Investigation of The Risk of Diabetes in Early Period using Machine Learning Algorithms
- 24 March 2021
- journal article
- Published by Journal of Intelligent Systems: Theory and Applications, Harun TASKIN in Journal of Intelligent Systems: Theory and Applications
- Vol. 4 (1), 55-64
- https://doi.org/10.38016/jista.877292
Abstract
Diyabet insanoğlunun yaşam kalitesini önemli derecede etkileyen, dünyada ve Türkiye’de görülme sıklığı giderek artan önemli bir hastalıktır. Özellikle sinir sistemi, böbrek, kalp, gözler, uzuvlar ve kan damarlarının tahribatına yol açmakta ve önemli kayıplara sebebiyet verebilmektedir. Bu sebeple diyabetin önlenebilmesi veya vereceği tahribatın en aza indirilebilmesi için erken tanısı ve takibi büyük önem kazanmaktadır. Makine öğrenme algoritmaları ile elde edilen sınıflandırma teknikleri, hastalığın risk tahmin modeli için araştırmacılar tarafından önemli olarak kabul görmüştür. Çalışmada, diyabete yakalanma olasılığını tahmin etmek için, 520 denekten alınan bilgiler ile oluşturulmuş olan bir veri tabanı kullanılmıştır. Çalışmada, makine öğrenmesi metotları olarak Çok Katmanlı Algılayıcı Yapay Sinir Ağları (ÇKAYSA), Destek Vektör Makinaları (DVM), Karar Ağaçları (KA), Topluluk Öğrenme Algoritmaları (TÖA), Doğrusal Ayrımcı Analizi (DAA), k-NN Metotları kullanılmıştır. Bu metotlar arasında en yüksek doğruluğu k-NN algoritması sağlamış ve bu algoritma ile %99,81 doğruluk elde edilmiştir. En yüksek doğruluk değeri sağlayan algoritmanın çalışma kapsamında geliştirilmiş olan bir bilgisayar kullanıcı arayüzü içerisine dâhil edilmesiyle bir diyabet erken tanı kiti geliştirilmiştir.Keywords
This publication has 26 references indexed in Scilit:
- Machine learning algorithms in classifying TCM tongue features in diabetes mellitus and symptoms of gastric diseaseEuropean Journal of Integrative Medicine, 2021
- A machine learning model for quantifying the effect of lifestyle interventions for patients with type 2 diabetes mellitusJournal of Physics: Conference Series, 2021
- A feedforward artificial neural network model for classification and detection of type 2 diabetesJournal of Physics: Conference Series, 2021
- An Optimization Approach to Improve Classification Performance in Cancer and Diabetes PredictionPublished by Institute of Electrical and Electronics Engineers (IEEE) ,2019
- Global trends in diabetes complications: a review of current evidenceDiabetologia, 2018
- Toward Big Data AnalyticsJournal of Diabetes Science and Technology, 2015
- Definition, Classification and Diagnosis of Diabetes, Prediabetes and Metabolic SyndromeCanadian Journal of Diabetes, 2013
- The Elements of Statistical LearningPublished by Springer Science and Business Media LLC ,2009
- Additive logistic regression: a statistical view of boosting (With discussion and a rejoinder by the authors)The Annals of Statistics, 2000
- Onset of NIDDM occurs at Least 4–7 yr Before Clinical DiagnosisDiabetes Care, 1992