شبکه عصبی / شبکه عصبی بیولوژیکی و مصنوعی
سیده صدف رضوی نژاد؛ امیرمحمد فلاح؛ سیدابوالقاسم میرروشندل
دوره 14، شماره 4 ، بهمن 1399، ، صفحه 307-320
چکیده
دیابت یک بیماری شایع در سراسر جهان است. این بیماری، سخت، غیرقابل علاج و در عین حال قابل کنترل بوده و از این رو کنترل و پیشگیری از عوارض آن امری مهم است. به همین دلیل استفاده از روشهای هوشمند با خطای پایین برای پیشبینی میزان قند خون و از همه مهمتر جلوگیری از عوارض خطرناک آن یک مسالهی مهم در کنترل بهتر این بیماری است. با توجه به ...
بیشتر
دیابت یک بیماری شایع در سراسر جهان است. این بیماری، سخت، غیرقابل علاج و در عین حال قابل کنترل بوده و از این رو کنترل و پیشگیری از عوارض آن امری مهم است. به همین دلیل استفاده از روشهای هوشمند با خطای پایین برای پیشبینی میزان قند خون و از همه مهمتر جلوگیری از عوارض خطرناک آن یک مسالهی مهم در کنترل بهتر این بیماری است. با توجه به روشهای مختلف ارائه شده در این زمینه، در این مقاله نیز دو مدل با استفاده از رهیافت یادگیری عمیق ارائه شده که نتایج آن کارآمد و بهینه است. این دو مدل پیشنهادی از ترکیبهای متفاوتی از شبکههای عصبی حافظهی طولانی کوتاهمدت و پیشخور تشکیل شده و میزان قند خون آتی بیمار را با دقت و سرعت قابل توجهی پیشبینی میکنند. در این راستا از 81.200 دادهی میزان قند خون 203 بیمار به همراه 27 مشخصهی موثر بر میزان قند خون استفاده شده است. همچنین به منظور ارزیابی دقیق از روش اعتبارسنجی متقابل مناسب برای سری زمانی استفاده شده و نتایج حاصل از اجرای مدلها نشان داده که مدل میانگین متحرک خودهمبستهی یکپارچه با توجه به این حجم از داده و ضعف سختافزاری سیستم پیادهسازی شده قادر به پیشبینی میزان قند خون نبوده در حالی که کارایی و سرعت عملکرد مدلهای مبتنی بر یادگیری عمیق قابل قبول است. همچنین با توجه به نتایج به دست آمده مدل پیشنهادی دوم برای افقهای پیشبینی 5، 10 و 15 دقیقه به ترتیب 8/13%، 16% و 9/18% بهتر از مدل پیشنهادی اول عمل کرده و مدل قابل اعتمادتری برای پیشبینی میزان قند خون است. از این رو مدل پیشنهادی دوم میتواند در سیستمهای هوشمند هشداردهنده برای پیشگیری از وقوع هیپوگلیسمی که از عوارض خطرناک و شایع بیماری دیابت نوع یک است مورد استفاده قرار گیرد.