Resumen

En la actualidad, la diabetes es una de las enfermedades más prevalentes, crónicas y mortales del mundo debido a algunas complicaciones. Si es posible realizar un diagnóstico precoz preciso, el factor de riesgo y la incidencia de la diabetes pueden disminuir considerablemente. La predicción de la diabetes es estable y fiable, ya que en los conjuntos de datos de la diabetes sólo se encuentran pruebas mínimas de etiquetado y valores atípicos. Numerosos trabajos se ocuparon de la predicción de la enfermedad de la diabetes y proporcionaron la solución. Pero los métodos existentes ofrecían una detección de baja precisión y consumían más tiempo de entrenamiento. Por ello, este trabajo propone un algoritmo OWDANN para la predicción de la enfermedad de la diabetes mellitus y la estimación del nivel de gravedad. El sistema propuesto consta principalmente de dos fases, a saber, la predicción de la enfermedad y la fase de estimación del nivel de gravedad. En la fase de predicción de la enfermedad, se realiza el preprocesamiento del conjunto de datos Pima. A continuación, se extraen las características de los datos preprocesados y, por último, se realiza la etapa de clasificación utilizando OWDANN. En la fase de estimación del nivel de gravedad, primero se preprocesa el conjunto de datos de diabetes positiva. A continuación, se extraen las características y, por último, se predice el nivel de gravedad mediante GDHC. Los extensos resultados experimentales mostraron que el sistema propuesto supera con un 98,97 precisión, 94,98% de sensibilidad, 95,62% de especificidad, 97,02% de precisión, 93,84% de recuperación, 9404 de medida, 0,094DR y 0,023PR en comparación con los métodos más avanzados.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:estimación del nivel de gravedad, predicción de la enfermedad de la diabetes, detección de baja precisión, fase de predicción de la enfermedad, diagnóstico precoz preciso, pruebas mínimas de etiquetado, fase de estimación del nivel, predicción de la enfermedad de la mellitus, amplios resultados experimentales, conjuntos de datos de la diabetes
• Keywords:severity level estimation, diabetes disease prediction, low accuracy detection, disease prediction phase, accurate early diagnosis, minimal labelling evidence, level estimation phase, mellitus disease prediction, extensive experimental results, datasets of diabetes