تشخيص هوشمند بيماري ديابت مبتني بر تركيب و تعامل الگوريتمهاي رمزنگاري ، الگوريتمهاي تكاملي و شبكههاي مصنوعي عصبي

در اين مقاله روش جديدي براي تشخيص بيماري ديابت ارائه شده است چراكه يكي از مشكلات اساسي مربوط به اين بيماري عدم تشخيص بهموقع و صحيح اين بيماري است. تشخيص بيماري ديابت بهطور چشم گيري صدمات و آسيبهاي ناشي از اين بيماري را در جامعه كاهش ميدهد. از مهم ترين چالشهاي پيش روي تشخيص اين بيماري خصوصاً در مراحل ابتدايي عدم در نظر گرفتن ويژگيهاي مناسب به منظور تشخيص و در نهايت ضعف در شناسايي بيماران ميباشد. امروزه پزشكان بيش از هر چيز با تكيه بر تجربيات و دانستههاي خود، آزمايشات پيچيده و وقت گير به اين بيماري پي ميبرند. با اين وجود خطاهاي انساني اجتناب ناپذير است. در اين تحقيق دادههاي 768 نفر زن با 8 ويژگي مورد ارزيابي قرار گرفت. با استفاده از فرآيندهاي پردازش و هوش مصنوعي شامل؛ الگوريتم پردازش سيگنال –موجك (Haar-Wavelet) به منظور كد كردن (رمز نگاري) نتايج و دادههاي بيماران، الگوريتمهاي تكاملي (BPSO) به منظور انتخاب بهترين جواب و شبكههاي عصبي مصنوعي (Artificial Neural Network) به منظور برآورد، آموزش، انطباق و يادگيري ماشيني در جهت شناسايي و تشخيص اين بيماري استفاده شده است. سيستم پيشنهادي با استفاده از تركيب روشهاي مذكور موفق شد با تكيه بر ويژگيهاي پايگاه داده در قالب تركيب و تعامل به دقت شناسايي % 91.86 دست يابد. روشهاي حاضر علي رغم دقت بالا، شايد هزينه بر و مطئناً وقت گير ميباشند؛ كه با مقايسه اين روش با روشهاي مذكور به دقت و كارايي آن پي خواهيم برد.