Koomesh journal
كومش
Koomesh
Medical Sciences
http://koomeshjournal.semums.ac.ir
47
journal47
16087046
10.52547/koomesh
fa
jalali
1396
10
1
gregorian
2017
12
1
20
1
online
1
fulltext
en
مقایسه عملکرد روشهای شبکه عصبی مصنوعی پرسپترون چندلایه مبتنی بر الگوریتم wrapper، تحلیل ممیزی و رگرسیون لجستیک در تعیین عوامل خطر دیابت نوع 2
Comparison of multilayer perceptron neural network based on wrapper algorithm, discriminant analysis and logistic regression in determining risk factors of type 2 diabetes
عمومى
General
پژوهشي
Research
هدف: در این مطالعه عملکرد پیشبینی سه مدل آماری جهت تعیین ریسک فاکتورهای دیابت مقایسه گردید.
مواد و روشها: شاخص توده بدن (BMI)، قندخون ناشتا (FBS)، فشارخون (HT)، چربیهای خون (TC، TG، HDL و LDL، HbA1C)، وزن و سابقه سیگار کشیدن از پرونده درمانی افراد تحت بررسی گردآوری شد. مدلهای شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) و تحلیل ممیزی (DA) رگرسیون لجستیک (LR) به منظور شناسایی ریسک فاکتورها بر دادهها برازش و از منحنی راک جهت مقایسه قدرت پیشبینی مدلها استفاده شد. بهمنظور رفع مشکل بیش برازش(Overfitting ) در مدل MLP از الگوریتم Wrapper استفاده شد.
یافتهها: قدرت پیشبینی سه مدل MLP، DA و LR بر اساس سطح زیر منحنی راک به ترتیب برابر 984/0 و 981/0 و 983/0 برآورد گردید. متغیرهای FBS (0001/0P
Introduction: The present study aimed to evaluate the performance of three statistical models in predicting diabetes type 2 as well as to identify its risk factors.
Materials and Methods: The data related to the potential risk factors of body mass index (BMI), fasting blood sugar (FBS), hypertension (HT), lipids (TC, TG, HDL and LDL), HbA1C and smoking history of 300 patients were extracted from medical records. Artificial neural network multi-layer perceptron (MLP), discriminant analysis (DA) and logistic regression (LR) were applied to identify risk factors. ROC curve was used to compare the performance of the models. To fix the problem "over fitting", the MLP model algorithm was used Wrapper.
Results: The prediction power of the MLP, DA and LR based on the ROC curve were 0.984, 0.981and 0.983, respectively. In the LR model, variables FBS (P
شبکه عصبی مصنوعی پرسپترون چندلایه, رگرسیون لجستیک,تحلیل ممیزی, Wrapper, منحنی راک
Artificial Neural Network MLP, Logistic Regression, Discriminant Analysis, Wrapper, Curve Rock
71
80
http://koomeshjournal.semums.ac.ir/browse.php?a_code=A-10-3619-1&slc_lang=en&sid=1
Eghbal
zandkarimi
اقبال
زندکریمی
4700319475328460029162
4700319475328460029162
No
1. Kurdistan University of Medical Sciences, Sanandaj, Iran
دانشگاه علوم پزشکی کردستان، سنندج، ایران
Majid
Sadeghifar
مجید
صادقی فر
Sadeghifar@Basu.Ac.Ir
4700319475328460029163
4700319475328460029163
Yes
2. Dept. of Statistics, School of Basic Sciences, Bu-Ali Sina University, Hamadan, Iran
گروه آمار، دانشگاه بوعلی سینا همدان، ایران
Mansour
Rezaei
منصور
رضایی
4700319475328460029164
4700319475328460029164
No
3. Dept. of Biostatistics and Epidemiology, Center for Social Development Health Promotion, Kermanshah University of Medical Sciences, Kermanshah, Iran
گروه آمار زیستی و اپیدمیولوژی، مرکز تحقیقات توسعه اجتماعی و ارتقای سلامت، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران