在诊断糖尿病时应用IRSA-BP神经网络
1School of Computer and Information Engineering, Harbin University of Commerce, Harbin, China.
PloS one
|June 25, 2025
概括
这项研究引入了改进的爬行动物搜索算法 (IRSA),以增强反向传播 (BP) 神经网络,以更准确地预测糖尿病. IRSA-BP模型实现了83.6%的准确性,超过了其他用于早期糖尿病检测的机器学习方法.
科学领域:
- 医疗保健信息学 医疗保健信息学
- 人工智能在医学中的应用
- 计算生物学 计算生物学
背景情况:
- 机器学习 (ML) 在医疗保健中越来越重要,以提高诊断准确性和效率.
- 糖尿病预测仍然是一个关键的领域,先进的计算方法可以显著影响患者的结果.
- 现有的ML模型通常需要优化,以提高复杂诊断任务的性能.
研究的目的:
- 开发一种创新且准确的方法来使用ML预测糖尿病.
- 引入和评估用于优化神经网络参数的改进爬行动物搜索算法 (IRSA).
- 将拟议的IRSA-BP混合算法的性能与其他用于糖尿病检测的ML算法的性能进行比较.
主要方法:
- 使用Kare数据集进行糖尿病预测任务.
- 构建并比较了基于多层算法的几个智能系统.
- 引入了改进的爬行动物搜索算法 (IRSA),以优化传统的反向传播 (BP) 神经网络的重量和值初始化.
- 使用多个分类指标评估算法性能.
主要成果:
- 与其他评估的ML算法相比,IRSA-BP混合算法表现出卓越的性能.
- 拟议的IRSA-BP模型在糖尿病预测方面取得了83.6%的高精度.
- 使用多种分类指标进行的全面评估证实了IRSA-BP方法的有效性.
结论:
- IRSA-BP分类器显示出在医学领域用于糖尿病预测的重大应用潜力.
- 这种方法可以帮助医疗保健专业人员更早,更准确地识别糖尿病风险.
- 提高诊断效率和准确性可以导致及时干预,提高患者的健康和生活质量.
