Eine vergleichende Analyse der Früherkennung von Diabetes im frühen Stadium mittels Machine Learning und Deep Learning Ansatz

Diabetes ist eine Krankheit, die beeinflusst, wie Ihr Körper Blutzucker verarbeitet, und wird oft als Diabetes mellitus bezeichnet. Insulininsuffizienz und ineffektive Insulinnutzung treten auf, wenn die Bauchspeicheldrüse nicht genug Insulin produzieren kann oder der menschliche Körper das produzierte Insulin nicht nutzen kann. Insulin ist ein Hormon, das von der Bauchspeicheldrüse produziert wird und den Transport von Glukose aus der Nahrung in die Zellen zur Energiegewinnung unterstützt. Die häufigste Folge von unkontrolliertem Diabetes ist Hyperglykämie oder hoher Blutzucker, was zusammen mit anderen gesundheitlichen Problemen erhebliche Gesundheitsrisiken, insbesondere für Nerven und Blutgefäße, mit sich bringt. Laut Statistiken von 2014 hatten Personen im Alter von 18 Jahren oder älter Diabetes, und laut Statistiken von 2019 verursachte Diabetes allein 1,5 Millionen Todesfälle. Aufgrund des raschen Wachstums von Machine Learning (ML) und Deep Learning (DL) Klassifikationsalgorithmen in verschiedenen Sektoren, wie der Gesundheitswissenschaft, ist es mittlerweile bemerkenswert einfach, Diabetes in seinen frühen Stadien zu erkennen. In diesem Experiment haben wir eine vergleichende Analyse mehrerer ML- und DL-Techniken zur Früherkennung von Diabetes durchgeführt. Darüber hinaus verwendeten wir einen Diabetes-Datensatz aus dem UCI-Repository, der 17 Attribute, einschließlich Klasse, aufweist, und bewerteten die Leistung aller vorgeschlagenen Klassifikationsalgorithmen für Machine Learning und Deep Learning mit verschiedenen Leistungskennzahlen. Laut unseren Experimenten übertraf der XGBoost-Klassifikator die anderen Algorithmen um etwa 100,0 %, während die anderen Algorithmen über 90,0 % genau waren.