TY - JOUR JF - RJMS JO - RJMS VL - 22 IS - 135 PY - 2015 Y1 - 2015/9/01 TI - Predicting diabetes using artificial neural network TT - پیش‌بینی ابتلا به دیابت با استفاده از شبکه عصبی مصنوعی N2 - زمینه و هدف: بیماری دیابت با گسترش روزافزون و بار سنگینی که در نتیجه کنترل و درمان عوارض به مردم و کشور تحمیل می‌کند به یکی از چالش‌های مسئولین درمانی و دولتی تبدیل شده است. از این‌رو پیشگیری از بروز و پیشرفت آن در اولویت قرار می‌گیرد که این امر تنها با شناسایی عوامل مؤثر و کنترل آن‌ها امکان‌پذیر است. این مطالعه درصدد پیش‌بینی ابتلا به دیابت بر اساس برخی متغیرهای مؤثر با کمک روش شبکه‌های عصبی مصنوعی است. روش کار: این مطالعه که در سال 93 و با کمک نرم‌افزارهای R2.14.0 و SPSS21 انجام گرفت، بر ‌روی نمونه‌ای شامل 13423 نفر از شرکت‌کنندگان در طرح بررسی عوامل خطر بیماری‌های غیرواگیر در سال 86 انجام شده است. سن افراد بالای 25 سال بوده و هیچ‌کدام دیابت کنترل شده نداشته‌اند. برای بررسی این داده‌ها از مدل شبکه عصبی مصنوعی سه لایه استفاده شد و برای انتخاب بهترین مدل از سطح زیر منحنی راک (AURC) و صحت پیش‌بینی استفاده شده است. هر دو تابع فعالیت در این مدل سیگموئید بوده است. یافته‌ها: مدل شبکه عصبی مصنوعی سه لایه با معماری (53:20:2) با سطح زیر منحنی راک 7/72 درصد و صحت پیش‌بینی آموزش 92 درصد و صحت پیش‌بینی آزمون 6/91 درصد بهترین مدل شناخته شد. نتیجه‌گیری: با توجه به عدم نیاز مدل شبکه عصبی مصنوعی به پیش‌فرض‌های معمول روش‌های کلاسیک آماری و صحت پیش‌بینی بالای مدل شبکه عصبی مصنوعی (53:20:2) پیشنهاد می‌شود از این مدل برای پیش‌بینی ابتلا به بیماری دیابت استفاده شود. SP - 29 EP - 37 AD - KW - Artificial neural network KW - Diabete KW - Under the ROC curve UR - http://rjms.iums.ac.ir/article-1-3938-fa.html ER -