تحلیل داده های بیماران دیابتی در راستای خوشه بندی و تجویز دارو براساس الگوریتم پیشنهادی
دیابت یک اختلال سوخت و سازی در بدن است که توانایی تولید هورمون انسولین در بدن از بین می رود . هدف کلی از انجام پژوهش حاضر کشف دانش نهفته در داده های بیماران دیابتی است، که می تواند به پزشکان در خوشه بندی بیماران جدید و تجویز داروی مناسب مطابق هر خوشه کمک نماید.
در این مقاله از الگوریتم MR-VDBSCAN استفاده شده است. پیاده سازی این الگوریتم در بستر هدوپ مبتنی بر چارچوب نگاشت-کاهش می باشد. ایده اصلی تحقیق استفاده از چگالی محلی برای یافتن چگالی هر نقطه است. این استراتژی میتواند مانع از اتصال خوشهها با چگالی های متفاوت شود.
الگوریتم موردنظر بر روی دیتا ست انتخاب شده، تست و ارزیابی و نتایج نشان از دقت بالا و کارایی و مقیاس پذیری آن دارد. نتایج بدست آمده با نتایج اجرای خوشه بندی k-Means مقایسه شد، الگوریتم MR-VDBSCAN در مقایسه با آن از سرعت اجرای بالاتر و دقت تشخیص بهتری برخوردار هست و همچنین توانایی تشخیص خوشه ها با چگالی متفاوت برتری این الگوریتم نسبت به الگوریتم مورد مقایسه است. نتایج نشان می دهد که الگوریتم MR-VDBSCAN میتواند عملکرد بهتر را از سایر الگوریتم ها فراهم کند.
نتایج نشان می دهد که که الگوریتم MR-VDBSCAN نسبت به الگوریتم K-means خوشه-بندی بهتری را انجام می دهد و می تواند بیماران را در زیرگروههایی قرار دهد که پزشکان را در تجویز یاری نماید. نتیجه پیش بینی شده برای تشخیص اینکه کدوم گروه سنی و جنسیت بیشتر تحت تاثیر دیابت قرار دارند، استفاده می شود.
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.