بخشی از مقاله
چکیده
بیش از 246 میلیون نفر در سرتاسر دنیا مبتلا به بیماری دیابت هستند که بیشتر آنها بانوان هستند. به گزارش سازمان بهداشت جهانی، این رقم تا سال 2025 به بیش از 380 میلیون نفر خواهد رسید. بیماری دیابت به عنوان پنجمین بیماری مهلک در ایالات متحده ی آمریکا شناخته شده که به نظر می رسد راه درمان آن به زودی قابل شناسایی نباشد. با ظهور فناوری اطلاعات و ورود آن به حوزه ی پزشکی و سلامت، موارد تشخیص داده ی شده ی بیماری دیابت و نشانگان آن به خوبی مستندسازی شده اند. در این پایان نامه تلاش شده تا راهکارهایی برای تشخیص این بیماری، از طریق تحلیل الگوهای شناسایی شده به کمک تحلیل الگوریتم بهینه مکاشفه ای و رویکرد فازی ، ارائه شود. امید می رود در این پژوهش یک تکنیک سریعتر و موثرتر در تشخیص این بیماری ارائه شود تا درمان بیماران به موقع صورت پذیرد.
-1مقدمه
گزارش های پزشکی نشان داده اند که تاثیرات بیماری دیابت بر روی بانوان بسیار بدتر و کشنده تر هستند چراکه نرخ بقا یا زنده ماندن آنها کمتر و کیفیت زندگی پایین تری دارند. گزارش های سازمان بهداشت جهانی حاکی از این مسئله می باشد که تقریباً یک سوم بانوانی که مبتلا به دیابت هستند، هیچگونه اطلاعاتی راجع به این بیماری ندارند. تاثیرات این بیماری در مادران خاص تر می باشد، زیرا بیماری در آنها به کودکان متولد نشده هم منتقل می شود. سکته ی مغزی، سقط جنین، نابینایی، نارسایی کلیه و قطع عضو تنها بخشی از مشکلات ناشی از این بیماری هستند. در این مقاله، تحلیل موارد تشخیص داده شده ی این بیماری فقط و فقط به موارد دیده شده در بانوان باردار محدود شده است.
در بیان کلی وقتی سطوح قند خون در فردی بیشتر از حد نرمال باشد 4/4 - تا 6/1 میلی مول در لیتر - ، ما این فرد را مبتلا به دیابت تشخیص می دهیم. لوزالمعده در بدن مسئولیت تولید انسولین را دارد، یعنی هورمونی که کمک می کند گلوکز به تمام سلول های بدن برسد. در یک بیمار مبتلا به دیابت، حتماً میزان تولید انسولین پایین است و یا اینکه بدن نمی تواند به خوبی از انسولین تولید شده استفاده کند. این بیماری سه نوع کلی دارد: دیابت نوع 1، دیابت نوع 2 و دیابت دوران بارداری .[2] دیابت نوع 1 در سنین زیر 20 سال و به عنوان یک بیماری خود ایمنی بروز می کند. در این نوع بیماری، سلول های لوزالمعده ای که وظیفه ی تولید انسولین را بر عهده دارند، تخریب می شوند.
در نوع 2، بیماری در حالتی بروز می کند که اندام های مختلف بدن در مقابل دریافت انسولین مقاومت دارند و این مسئله تقاضای دریافت انسولین در بدن را بیشتر می کند. در این حالت، لوزالمعده مقدار مورد نیاز انسولین را تولید نمی کند. دیابت دوران بارداری در بانوان باردار و زمانی که لوزالمعده مقدار کافی انسولین تولید نمی کند بروز می کند. هر 3 نوع این بیماری باید درمان شوند و اگر زود تشخیص داده شوند می توان از بروز مشکلات بعدی جلوگیری کرد.
امروزه اطلاعات بیماری در فرم های خاص بیماران در بیمارستان جمع آوری و مستندسازی می شوند. دانش مورد نیاز برای پیش بینی بروز بیماری ها از طریق داده کاوی همین اطلاعات بدست می آید. داده کاوی یک تکنیک تحلیلی است که در استنتاج اطلاعات و راهکارها مورد استفاده قرار می گیرد. این تکنیک در روند تصمیم گیری و به کمک الگوریتم های مربوطه و بر روی حجم زیادی از داده های بدست آمده از مراکز درمانی اجرا می شود.
با درنظرگرفتن اهمیت تشخیص زودهنگام این بیماری، تکنیک های داده کاوی را می توان برای کمک به بانوان در تشخیص دیابت در مراحل اولیه و نیز درمان آن بکار برد و از این طریق می توان از بروز مشکلات بعدی جلوگیری کرد. الگوریتم فرااکشافی ژنتیک بر روی یک مجموعه داده ی از پیش تهیه شده اجرا شده است تا پیش بینی شود آیا بیماری دیابت در خصوص یک بیمار ثبت شده یا فرد مبتلا به بیماری نیست. نتایج بدست آمده از هر دو الگوریتم با یکدیگر مقایسه و ارائه شده است. مدل های دیگری نیز در طول سالیان گذشته ارائه شده اند که در پیش بینی بروز دیابت مورد استفاده قرار گرفته اند.
-2اهداف تحقیق
علمی : افزایش دقت تشخیص سیستم فازی با استفاده از بهینه سازی مورچگان. و به کار گیری آن در تشخیص بیماری دیابت.
کاربردی: ارائه سیستمی جهت تشخیص بیماری دیابت و کمکیار برای پزشکان.
ضرورت: با توجه به مشکلات متعددی که بیماران دیابتی در مورد. تشخیص دیرهنگام بیماری دارند ، این سیستم می تواند مؤثر باشد.
-3سوابق تحقیق
استفاده از منطق فازی در تشخیص بیماری ها بسیار رایج است که بوسیله تبدیل دانش و تجربیات پزشکان به مقادیر و قوانین فازی است. یک مکانیزم پیش بینی فازی طراحی شده که اطلاعات جمع آوری شده بیماران به عنوان ورودی پذیرفته و با استخراج دانش درون آنها با استفاده از قوانین فازی و نظر پزشکان عمل تشخیص را انجام می دهد. نتایج نشان داده دقت روش پیشنهادی در مقایسه با سایر روش ها بهتر می باشد.[6]
روش های مختلف داده کاوی و یادگیری ماشین را جهت تشخیص دیابت مورد مقایسه قرار داد.[5] روش هایی مانند بردار ماشین پشتیبان، ژنتیک تصمیم، الگوریتم ژنتیک، الگوریتم مورچگان و ... مورد تشریح و مقایسه قرار گرفت. مرجع [7] یک سیستم کلینیکی برای تشخیص دیابت طراحی و پیاده سازی کرد که در آن به تشخیص نوع دیابت و میزان ریسک آن برای بیمار با استفاده از تکنیک های داده کاوی مانند کلاس بندی و خوشه بندی پرداخته شد.
