فهرست نشریات علمی دسترسی آزاد ایران

مقدمه و اهداف: در طی سال های اخیر از جمله روش های پیش بینی و تشخیص بیماری در عرصه پزشکی، به کارگیری روش های پشتیبان تصمیم با الگوریتم های تکاملی و ترکیبی است، که دارای توانمندی بالایی در مدل سازی مسائل پزشکی و مهندسی دارند. هدف این مقاله مقایسه ی چند سامانه پشتیبان تصمیم گیری و بررسی دقت این سامانه ها در پیش بینی بیماری دیابت است. روش کار: در مطالعه ی حاضر با استفاده روش ترکیب الگوریتم ژنتیک و لونبرگ- مارکوارت( Genetic Algorithm and Levenberg-Marquardt GALM ) ، به تعیین و بهینه سازی اوزان های شبکه ی عصبی پرداخته شد، و برای بررسی اعتبارسنجی مدل ها، از روش های اعتبار سنجی سنتی و اعتبار سنجی k باره ( K-Fold Cross Validation K-Fold ) استفاده گردید، و در نهایت مدل پیشنهادی ( GALM ) با مدل های رگرسیون لجستیک، الگوریتم ژنتیک از طریق نمودار سطح زیر منحنی( Receiver operating characteristic, (ROC) ) و ماتریس در هم ریختگی( Confusion matrix ) مقایسه گردید. نتایج: پس از انجام بررسی ها معلوم شد در بین مدل های مقایسه شده، مدل حاصل از الگوریتم GALM دارای حساسیت و ویژگی بالاتری نسبت به مدل های رگرسیون لجستیک و الگوریتم ژنتیک می باشند. هم چنین در بین مدل ها، مدل پیشنهادی (الگوریتم GALM ) مدلی است که دارای حساسیت، ویژگی، ارزش اخباری منفی (NPV) ( Negative Predictive Value NPV )، ارزش اخباری مثبت (PPV) ( Positive Predictive Value PPV ) ، بالا و درست نمایی منفی (-LR) ( Negative Likelihood Ratio NLR ) پایین و نزدیک به صفر می باشد، و می توان این مدل را به عنوان مدلی مناسب انتخاب کرد. نتیجه گیری: نتایج نشان می دهد، مدل GALM با میزان های به ترتیب حساسیت، ویژگی، ارزش اخباری مثبت، ارزش اخباری منفی، سطح زیر منحنی 7/98، 01/90، 8/91، 3/98، 972/0، در مقایسه با مدل های GA و LR مدلی مناسب برای پیش بینی دیابت می باشد.