تشخیص بیماری دیابت با استفاده از الگوریتم بهینه سازی ذرات و ماشین بردار پشتیبان

امروزه در دنیای پزشکی شاهد جمع آوری داده های فراوانی بوده و نیاز به داده کاوی برای کمک به کشف الگوهای موجود و پیش بینی بیماری ها کاملاً احساس می گردد، از این رو پزشکان با تکیه بر دانش، تجربه های خود و انجام آزمایش های پیچیده، وقت گیر و هزینه بر به بیماری پی می برند. با این وجود خطای انسانی همیشه وجود دارد. استفاده از تمامی ویژگی ها بدون تجزیه و تحلیل دقیق آن هاموجب صرف زمان و هزینه بیشتر و در برخی موارد حتی باعث کاهش میزان صح تشخیص درست بیماری برای پزشک می گردد. جهت برطرف نمودن مشکل مطرح شده در این مقاله سعی شده است تا با تلفیق الگوریتم بهینه سازی ذرات و شبکه عصبی مصنوعی ویژگی های موثر در روند تشخیص بیماری انتخاب شوند که این امر علاوه بر افزایش میزان صحت پیش بینی، تعداد ویژگی ها را به نصف کاهش داده و موجب صرفه جویی در زمان و هزینه می گردد، سپس برای دسته بندی بیماری از الگوریتم ماشین بردار پشتیبان جهت تشخیص صحیح بیماری استفاده می شود. در پایان، مجموعه آزمایش های انجام شده جهت ارزیابی مدل پیشنهادی با استفاده از پایگاه داده ی استاندارد uci مربوط به بیماران دیابتی برای تشخیص بیماری دیابت نشان می دهد روش پیشنهادی با استفاده از انتخاب ویژگی با الگوریتم بهینه سازی ذرات و ماشین بردار پشتیبان میزان صحت بیشتری را برای تشخیص بیماری دیابت دارد.