خوارزميات استخراج البيانات للتنبؤ وتشخيص مرض السكري
Data Mining Algorithms for Prediction and Diagnosis of Diabetes Mellitus
- الباحث
- حنين ضياء غني
- المشرف
- مصطفى صباح مصطفى
- الجامعة
- الهيئة العراقية للحاسبات والمعلوماتية
- الكلية / القسم
- معهد المعلوماتية للدراسات العليا / علوم الحاسوب
- الشهادة
- دبلوم عالي
- السنة
- 2023
- لغة الرسالة
- انكليزي
- الكلمات المفتاحية
- Data mining;Diabetes mellitus;Machine learning;Prediction
الملخص
يعد مرض السكري السبب الرئيسي للوفاة في العالم، كما أنه يؤثر على أمراض الكلى وفقدان البصر وأمراض القلب. تساهم تقنيات استخراج البيانات في اتخاذ قرارات الرعاية الصحية لتشخيص الأمراض وعلاجها بشكل دقيق، مما يقلل من عبء عمل الخبراء. التنبؤ بمرض السكري هو مجال بحثي يتوسع بسرعة. سيؤدي التنبؤ المبكر بمرض السكري إلى تحسين العلاج. يسبب مرض السكري مجموعة متنوعة من المشاكل الصحية. ولذلك، فمن الأهمية بمكان منعه، ورصده، ورفع مستوى الوعي حوله. يمكن أن يسبب مرض السكري من النوع الأول والنوع الثاني أمراض القلب ومشاكل الكلى وصعوبات العين. في هذا العمل، تم اقتراح نموذج للتنبؤ بمرض السكري باستخدام تقنيات استخراج البيانات. التنقيب في البيانات هو البحث في مجموعات كبيرة من البيانات لاستخراج الأنماط المخفية وغير المعروفة سابقًا. التصنيف هو أحد الاختبارات في استخراج البيانات. غالبًا ما تكون بيانات الرعاية الصحية ضخمة ومعقدة وغير متجانسة لأنها تحتوي على أنواع مختلفة ومتغيرة. في الوقت الحاضر، المعرفة من هذه البيانات أمر ضروري. يمكن استخدام استخراج البيانات لاستخلاص المعرفة من خلال بناء نماذج من بيانات الرعاية الصحية مثل مجموعات مرضى السكري. الغرض من هذا العمل هو تقييم طرق التنقيب عن البيانات وأدائها والتي يمكن استخدامها لتحليل البيانات المجمعة حول مرض السكري. وتم تحديد أنسب طرق التنقيب عن البيانات لتحليل البيانات من خلال مقارنتها نظريا وعمليا. بعض سمات مجموعة البيانات هذه هي العمر ومؤشر كتلة الجسم والأنسولين والجلوكوز وما إلى ذلك. ويتم تطبيق الطرق على هذه البيانات لتحديد مدى فعاليتها في تحليل مرض السكري والوقاية منه. يتم استخدام ثلاث خوارزميات متميزة (SVM) , (KNN) و (C5.0) تم تطوير هذا النموذج بلغة Python وتم اختباره على مجموعة بيانات مصدرها موقع Kaggle. يتم تقييم فعاليتها باستخدام مقاييس مثل مصفوفة الارتباك والدقة. ومن الجدير بالذكر أن خوارزمية SVM تميزت بمعدل دقة مثير للإعجاب يصل إلى 82.47% متجاوزًا الخوارزميات الأخرى المطبقة في هذه الدراسة.
Abstract
Diabetes is the leading cause of death in the world, and it also affects kidney disease, loss of vision, and heart disease. Data mining techniques contribute to health care decisions for accurate disease diagnosis and treatment, reducing the workload of experts. Diabetes prediction is a rapidly expanding field of research. Early diabetes prediction will result in improved treatment. Diabetes causes a variety of health issues. Therefore, it is critical to prevent, monitor, and raise awareness about it. Type 1 and Type 2 diabetes can cause heart disease, renal problems, and eye difficulties. In this work, propose a diabetes prediction model using data mining techniques. Data mining is the search of large datasets to extract hidden and previously unknown patterns. Classification is the one of the tests in data mining. Health care data are often huge, Complex and heterogeneous because it contains different variable types. Nowadays, knowledge from such data is a necessity. Data mining can be utilized to extract knowledge by constructing models from healthcare data such as diabetic patient sets. The purpose of this work is to evaluate data mining methods and their performances that can be used for analyzing the collected data about the diabetes. The most appropriate data mining methods were identified to analyze the data by comparing them theoretically and practically. Some attributes of this dataset are Age, Body Mass Index, Insulin, Glucose, etc. Methods are applied on these data to determine their effectiveness in analyzing and preventing diabetes. Three distinct techniques are employed: Support Vector Machine (SVM), K-Nearest Neighbors (KNN) and (C5.0). This model is developed in Python and is tested on an authentic dataset sourced from Kaggle. Its efficacy is evaluated using metrics like the confusion matrix, sensitivity, and accuracy. Notably, SVM stands out with an impressive accuracy rate of 82.47% surpassing the other techniques.
طلب نسخة من الملف
الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.