بهبود سيستم CAD براي تشخيص بيماري ديابت نوع 2 با پايگاه داده ي نامتعادل

تشخيص بيماري يكي از مراحل درمان بيماري و يكي از پرچالش ترين حوزه هاي پزشكي است. سيستم هاي CAD راه ورود تكنولوژي و داده پردازي را به اين حوزه هموار نموده اند. اين سيستم ها به كمك الگوريتم هاي شناسايي الگو و يادگيري ماشين، تشخيص بيماري را انجام مي دهند. يكي از بيماري هاي مزمن در جوامع مختلف، بيماري ديابت نوع 12 ست كه مي توان با طراحي سيستم CAD مناسب، نسبت به تشخيص آن اقدام نمود. در اين تحقيق، يكبار سيستم CAD، با تخمين ويژگي هاي غائب هر نمونه با روش KNN و يكبار با حذف نمونه هاي ناقص، آزمايش و سپس با كاهش ويژگي در هر دو روش، اطلاعات غير مفيد سيستم حذف مي شود. بزرگترين چالش موجود در اين پژوهش، پايگاه داده ي نامتعادل است كه براي مقابله با اين مشكل، با الهام گرفتن از طبقه بندي تك طبقه، با روش خوشه بندي و بافتن نمونه هاي مرزي، پايگاه داده اصلاح و متعادل مي شود. پس از طبقه بندي پايگاه داده با طبقه بندهاي SVM و RF جهت مقايسه روش پيشنهادي با ساير روش ها، صحت و حساسيت نمونه ها براي روش پيشنهادي، محاسبه شده و نتايج مورد بررسي قرار مي گيرد.