پزشک‌یار هوشمند – سامانه تحلیل داده‌های پزشکی با یادگیری ماشین و یادگیری عمیق

معرفی

پروژه «پزشک‌یار هوشمند» با هدف توسعه‌ی سیستم تحلیلگر و پیش‌بینی‌گر داده‌های پزشکی طراحی شده است. با افزایش داده‌های سلامت و نیاز به تصمیم‌گیری سریع و دقیق در حوزه پزشکی، این پروژه با بهره‌گیری از یادگیری ماشین و یادگیری عمیق مدلی برای پیش‌بینی ابتلا به بیماری دیابت ایجاد کرده است.

داده‌های پروژه از دیتاست Pima Indians Diabetes استخراج شده‌اند که شامل اطلاعات بالینی زنان ۲۱ سال به بالا است، از جمله قند خون ناشتا، شاخص توده بدنی (BMI)، فشار خون و سابقه بارداری. مدل توسعه‌یافته توانایی تحلیل الگوهای پنهان میان ویژگی‌ها و پیش‌بینی ابتلا به دیابت با دقت بالا (TP = 98%) را دارد.

اهداف پروژه

توسعه‌ی مدلی هوشمند برای پیش‌بینی ابتلای بیماران به دیابت

مقایسه عملکرد مدل‌های کلاسیک یادگیری ماشین با شبکه‌های عصبی چندلایه

ارائه سیستمی قابل اعتماد برای کمک به تصمیم‌گیری در مراکز پزشکی و پژوهشی

بهبود دقت تشخیص با استفاده از توپولوژی‌های چندلایه شبکه عصبی

فناوری‌ها و ابزارها

Python: زبان اصلی پیاده‌سازی پروژه

Scikit-learn: الگوریتم‌های کلاسیک مانند Logistic Regression، Random Forest و SVM

TensorFlow / Keras: طراحی و آموزش شبکه‌های عصبی چندلایه

Pandas / NumPy: پردازش و نرمال‌سازی داده‌ها

Matplotlib / Seaborn: تحلیل تصویری و مصورسازی داده‌ها

روند انجام پروژه

جمع‌آوری و آماده‌سازی داده‌ها: پاک‌سازی داده‌ها و نرمال‌سازی ویژگی‌ها.

تحلیل اکتشافی داده‌ها (EDA): بررسی توزیع آماری و روابط همبستگی ویژگی‌ها.

مدل‌سازی با الگوریتم‌های کلاسیک: آموزش مدل‌های Logistic Regression، Random Forest و SVM برای ایجاد baseline.

طراحی شبکه عصبی چندلایه:

لایه ورودی: نرمال‌سازی ویژگی‌ها

دو لایه پنهان با تابع فعال‌سازی ReLU

لایه خروجی با تابع Sigmoid برای پیش‌بینی باینری

آموزش با Adam Optimizer و Backpropagation

ارزیابی عملکرد مدل‌ها: معیارهای Accuracy، Precision، Recall، F1-Score و Confusion Matrix.

شبکه عصبی چندلایه به TP = 98% دست یافت.

نتایج و دستاوردها

دقت نهایی مدل شبکه عصبی چندلایه: TP = 98%

بهبود میانگین عملکرد نسبت به مدل‌های کلاسیک تا 12%

قابلیت تعمیم مدل به دیتاست‌های پزشکی دیگر با تغییرات اندک

ایجاد زیرساخت برای توسعه سیستم‌های تشخیص زودهنگام بیماری‌ها

امکان استفاده در بیمارستان‌ها، مراکز درمانی و پروژه‌های تحقیقاتی

تیم پروژه

کیان حیدری

پویا بایرام‌علی‌دوست

حمیدرضا میرزائی دانالو

مهدی فکر

لعیا محمودی