ДОСЛІДЖЕННЯ МОДЕЛЕЙ ПРОГНОЗУВАННЯ ТА КЛАСИФІКАЦІЇ В ЗАДАЧАХ НАЯВНОСТІ ДІАБЕТУ СЕРЕД ПАЦІЄНТІВ З ІНСУЛЬТОМ У РІЗНИХ УМОВАХ ЖИТТЄДІЯЛЬНОСТІ
DOI:
https://doi.org/10.30837/ITSSI.2023.24.054Ключові слова:
багатошаровий персептрон; нейронна мережа; прогнозування; інсульт; цукровий діабетАнотація
Предметом дослідження є методи прогнозування розвитку цукрового діабету. Цукровий діабет – неінфекційне захворювання, що вразило 425 млн людей, а до 2045 р. їхня кількість збільшиться в півтора раза. Доведено, що це захворювання є незалежним фактором, що спричиняє розвиток інсульту. Коли в крові занадто багато цукру, він негативно впливає на артерії та судини. Пацієнти з діабетом більш схильні до утворення атеросклеротичних бляшок і тромбів, що може призвести до блокади серця та ішемічного інсульту. Наявність діабету збільшує ризик інсульту й погіршує його перебіг. За результатами Фремінгемського дослідження, кількість повторних випадків захворювання серця подвоюється. Мета дослідження – вивчити методи прогнозування та класифікації розвитку діабету серед людей, зокрема пацієнтів з інсультом, для запобігання іншим захворюванням. Складність проблеми полягає в тому, що недіагностованих випадків стільки ж, скільки й діагностованих, тому близько половини людей страждають від хвороби й спричинених ускладнень через неналежне або запізніле діагностування. Тому важлива вчасна діагностика захворювання, яке важко виявити, з метою запобігання розвитку подальших ускладнень. Завданням статті є вибір найкращого алгоритму прогнозування виникнення захворювання. У роботі використано такі методи: багатошаровий персептрон, метод k-найближчих сусідів, дерево рішень і логістична регресія. На сьогодні для вирішення подібних проблем широко застосовується машинне навчання. Упродовж 1950–1960-х рр. були спроби об’єднати наявні на той час підходи до створення нейронних мереж, що дало змогу обчислювати кількісні описи людського інтелекту, а також запам’ятовувати, аналізувати та обробляти інформацію, що нагадувало роботу людського мозку. Медицина – одна з основних галузей, де різноманітні класифікатори та нейромережні алгоритми з кожним роком набувають все більшої популярності. Вони є пріоритетними, зокрема, і в діагностиці захворювань. Результати: з’ясовано, що початковим умовам вибору найкращої моделі відповідає логістична регресія. Висновки: унаслідок дослідження обрано оптимальну модель для прогнозування розвитку захворювання.
Посилання
References
Sharonova, N., Kyrychenko, I., Tereshchenko, G. (2021), "Application of big data methods in E-learning systems", Computational Linguistics and Intelligent Systems (COLINS 2021): 5th International Conference, Lviv, 22–23 April 2021: CEUR workshop proceedings, No. 2870, P. 1302–1311.
Smelyakov K., Hurova Y., Osiievskyi S. (2023), "Analysis of the Effectiveness of Using Machine Learning Algorithms to Make Hiring Decisions", Computational Linguistics and Intelligent Systems (COLINS 2023): 7th International Conference, Kharkiv, 20–21 April 2023: CEUR workshop proceedings, No. 3387, P. 77–92.
Kyrychenko I., Nazarov O., Huliiev N., Avdieiev O. (2023), "Selection of Artificial Neural Networks for Disease Prediction", Computational Linguistics and Intelligent Systems (COLINS 2023): 7th International Conference, Kharkiv, 20–21 April 2023: CEUR workshop proceedings, No. 3387, P. 236–248.
Haglin, J. M., Jimenez, G., Eltorai A. (2019), "Artificial neural networks in medicine", Health and Technology, No. 9, P. 1–6. DOI: 10.1007/s12553-018-0244-4.
Gaur, L., Bhatia, U., Jhanjhi, N. Z., Muhammad, G. (2023), "Medical image-based detection of COVID-19 using Deep Convolution Neural Networks", Multimedia Systems, No. 29, P. 1729–1738. DOI: 10.1007/s00530-021-00794-6
IHME (2022), 11 global health issues to watch in 2023, according to IHME experts, available at: https://www.healthdata.org/acting-data/11-global-health-issues-watch-2023-according-ihme-experts (last accessed 18.05.2023).
Nuha, A., et al. (2022), "Introduction and Methodology: Standards of Care in Diabetes–2023", Diabets Care, No. 46 (1), P. 1–4. DOI: 10.2337/dc23-Sint
Khan, G., Siddiqi, A., Ghani Khan, M. U., Qayyum Wahla, S., Samyan, S. (2019), "Geometric positions and optical flowbased emotion detection using MLP and reduced dimensions", IET Image Processing, No. 13 (4), Р. 634–643. DOI: 10.1049/iet-ipr.2018.5728
Verma, S., Razzaque, M. A., Sangtongdee, U., Arpnikanondt, C., Tassaneetrithep, B., Hossain, A. (2021), "Digital Diagnosis of Hand, Foot, and Mouth Disease Using Hybrid Deep Neural Networks", IEEE Access, No. 9, Р. 143481–143494. DOI: 10.1109/ACCESS.2021.3120199
Rimi, T. A., Sultana, N., Ahmed Foysal, M. F. (2020), "Derm-NN: Skin Diseases Detection Using Convolutional Neural Network", 4th International Conference on Intelligent Computing and Control Systems (ICICCS), Madurai, India, Р. 1205–1209. DOI: 10.1109/ICICCS48265.2020.9120925
Sarvamangala, D. R., Kulkarni, R. V. (2022), "Convolutional neural networks in medical image understanding: a survey", Evolutionary Intelligence, No. 15, P. 1–22. DOI: 10.1007/s12065-020-00540-3
Liu, Y., Jain, A., Eng, C. et al. (2020), "A deep learning system for differential diagnosis of skin diseases", Nature Medicine, No. 26 (6), Р. 900–908. DOI: 10.1038/s41591-020-0842-3
NIDDKD (2022), Diabetes Prevention Program (DPP), available at: https://www.niddk.nih.gov/about-niddk/research-areas/diabetes/diabetes-prevention-program-dpp (last accessed 18.05.2023).
Tison, G. H., Zhang, J., Delling, F. N., Deo, R. C. (2020), "Automated and Interpretable Patient ECG Profiles for Disease Detection, Tracking, and Discovery". Circulation: Cardiovascular Quality and Outcomes. No. 12 (9). DOI: 10.1161/circoutcomes.118.005289
Smelyakov, K., A., Chupryna, Bohomolov, O., Ruban, I. (2020), "The Neural Network Technologies Effectiveness for Face Detection", 3rs International International Conference on Data Stream Mining & Processing (DSMP), Lviv, Ukraine, Р. 201–205. DOI: 10.1109/DSMP47368.2020.9204049
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2023 Нурал Гулієв, Максим Перетяга, Артем Ховрат, Денис Тесленко, Олексій Назаров
Ця робота ліцензується відповідно до Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
Наше видання використовує положення про авторські права Creative Commons для журналів відкритого доступу.
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License (CC BY-NC-SA 4.0), котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
Автори мають право укладати самостійні додаткові угоди щодо не комерційного та не ексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису опублікованої роботи, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи.
