التشخيص المبكر لمرض السكري باستخدام التعلم الآلي
Early Diagnosis of Diabetes Using Machine Learning
- الباحث
- إيهاب طارق إلياس خلو
- المشرف
- منى محمد طاهر جوهر
- الجامعة
- جامعة الموصل
- الكلية / القسم
- كلية علوم الحاسوب والرياضيات / البرمجيات
- الشهادة
- دبلوم عالي
- السنة
- 2024
- لغة الرسالة
- عربي
- الكلمات المفتاحية
- مرض السكري ; التشخيص المبكر ; التعلم الآلي ; التصنيف
الملخص
مرض السكري (Diabetes Mellitus -DM) هو asi الاضطرابات الأيضية التي تؤدي إلى ارتفاع مستويات السكر في الدم بشكل غير مناسب. وهو مرض مزمن شائع Stag خطرا كبيرا على صحة الإنسان. ومن سمات مرض السكري ارتفاع نسبة الجلوكوز في الدم عن المستوى الطبيعي. ويعتبر التعلم الالي هو احد فروع الذكاء الاصطناعي ، يقوم بالتركيز على انشاء انظمة تقوم بتعلم البيانات واكتساب المعرفة لتحسين ادائها بشكل تلقائي، يعتمد التعلم الالي على الخوارزميات والنماذج التي تسمح للانظمة بتحليل البيانات واكتساب الخبرة واتخاذ القرارات مما يمكنها من التكيف مع المهام وتحسين ادائها مع مرور الوقت . ساعدت خوارزميات التعلم الآلي العاملين في مجال الصحة (بما في ذلك الأطباء) في معالجة المشكلات الطبية وتحليلها وتشخيصها. يمكن للتعلم الآلي أن يساعد الأشخاص على إصدار حكم أولي حول مرض السكري lady لبيانات الفحص البدني اليومي، ويمكن أن يكون بمثابة مرجع للأطباء. في هذه الرسالة تم استخدام خوارزميات التعلم الالي للكشف عن مرض السكري . تتضمن الخوارزميات المستخدمة كل من الانحدار اللوجستي Logistic Regression (LR) ، شجرة القرار Decision Tree (DT) ، الغابة العشوائية Random Forest (RF) ، ألة المتجه الداعم Support vector machine (SVM ) ، الجار الاقرب K-Nearest Neighbor (KNN) و بايز البسيط ) Naive Bayes (NB . تم جمع البيانات المستخدمة في هذا الرسالة من مجموعة بيانات Kaggle العالمية المعتمدة من قبل الباحثين. وقد خضعت البيانات لأنواع مختلفة من المعالجة المسبقة لتحسين اداء النموذج. تم تقييم الخوارزميات المستخدمة باستعمال مجموعة من المقاييس مثل الدقة Accuracy ،معدل الاستدعاء ،Recall درجة (Fl-score) Fl ، الضبط Precision واخيرا مصفوفة الارتباك Confusion Metrics وكانت اعلى دقة تصنيف ثنائي تم الحصول عليها عند تنفيذ الخوارزميات الستة هي لخوارزمية شجرة ball 18,557 تليها All المتجه الداعم 85,757 ثم خوارزمية الجار 5١7 Coal! وخوارزمية بايز البسيط 6٠١7 ثم خوارزمية الانحدار اللوجستي Idle VV, 7 خوارزمية الغابة العشوائية 75,557 .
Abstract
Diabetes Mellitus - DM is a metabolic disorder that leads to inappropriately high blood sugar levels. It is a common chronic disease and poses a major threat to human health. One of the characteristics of diabetes is that the blood glucose level is higher than the normal level. Machine learning is one of the branches of artificial intelligence that focuses on creating systems that learn data and acquire knowledge to improve their performance automatically. Machine learning depends on algorithms and models that allow systems to analyze data, gain experience, and make decisions, enabling them to adapt to tasks and improve their performance over time. Machine learning algorithms have helped health professionals (including doctors) treat, analyze and diagnose medical problems, as well as detect disease patterns and other patient data. Machine learning can help people make an initial judgment about diabetes according to daily physical examination data, and can serve as a reference for doctors. in this thesis, Machine learning algorithms were used to detect diabetes. The algorithms used in the research include Logistic Regression (LR), Decision Tree (DT), Random Forest (RF), Support Vector Machine (SVM), and K-Nearest Neighbor (KNN). And Naive Bayes (NB). The data used in this research was collected from the global Kaggle dataset approved by the researchers. The data has been subjected to different types of pre- processing to improve the model's performance. The algorithms used were evaluated using a set of metrics such as Accuracy, Recall Rate, F1-score, Precision, and finally Confusion Metrics. The highest binary classification accuracy obtained when implementing the six algorithms was for the decision tree algorithm, 98.66%, followed by 98.66%. The support vector machine 85.33%, then the nearest neighbor algorithm 81%, the simple Bayes algorithm 80%, then the logistic regression algorithm 77.66%, and finally the random forest algorithm 76.66%.
طلب نسخة من الملف
الملفات غير منشورة على الموقع. اترك بياناتك وسيتواصل معك موظفو قسم الشؤون الثقافية والفنون لإرسال النسخة مجاناً.