Published October 7, 2021
| Version v1
Publication
Open
A Comparative Analysis of Early Stage Diabetes Prediction using Machine Learning and Deep Learning Approach
- 1. Islamic University
- 2. Prime University
- 3. Chitkara University
Description
Diabetes is a disease that affects how your body processes blood sugar and is often referred to as diabetes mellitus. Insulin insufficiency and ineffective insulin use coincide when the pancreas cannot produce enough insulin or the human body cannot use the insulin that is produced. Insulin is a hormone produced by the pancreas that helps in the transport of glucose from food into cells for use as energy. The common effect of uncontrolled diabetes is hyper-glycemia, or high blood sugar, which plus other health concerns, raises serious health issues, majorly towards the nerves and blood vessels. According to 2014 statistics, people aged 18 or older had diabetes and, according to 2019 statistics, diabetes alone caused 1.5 million deaths. However, because of the rapid growth of machine learning(ML) and deep learning (DL) classification algorithms, indifferent sectors, like health science, it is now remarkably easy to detect diabetes in its early stages. In this experiment, we have conducted a comparative analysis of several ML and DL techniques for early diabetes disease prediction. Additionally, we used a diabetes dataset from the UCI repository that has 17 attributes, including class, and evaluated the performance of all proposed machine learning and deep learning classification algorithms using a variety of performance metrics. According to our experiments, the XGBoost classifier outperformed the rest of the algorithms by approximately 100.0%, while the rest of the algorithms were over 90.0% accurate.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
مرض السكري هو مرض يؤثر على كيفية معالجة جسمك لسكر الدم وغالبًا ما يشار إليه باسم مرض السكري. يتزامن عدم كفاية الأنسولين واستخدام الأنسولين غير الفعال عندما لا يستطيع البنكرياس إنتاج ما يكفي من الأنسولين أو لا يستطيع جسم الإنسان استخدام الأنسولين الذي يتم إنتاجه. الأنسولين هو هرمون ينتجه البنكرياس يساعد في نقل الجلوكوز من الطعام إلى الخلايا لاستخدامه كطاقة. التأثير الشائع لمرض السكري غير المنضبط هو فرط السكر في الدم، أو ارتفاع نسبة السكر في الدم، والذي بالإضافة إلى المخاوف الصحية الأخرى، يثير مشاكل صحية خطيرة، بشكل رئيسي تجاه الأعصاب والأوعية الدموية. وفقًا لإحصاءات عام 2014، كان الأشخاص الذين تبلغ أعمارهم 18 عامًا أو أكثر يعانون من مرض السكري، ووفقًا لإحصاءات عام 2019، تسبب مرض السكري وحده في وفاة 1.5 مليون شخص. ومع ذلك، وبسبب النمو السريع لخوارزميات تصنيف التعلم الآلي (ML) والتعلم العميق (DL)، والقطاعات غير المبالية، مثل العلوم الصحية، أصبح من السهل الآن اكتشاف مرض السكري في مراحله المبكرة. في هذه التجربة، أجرينا تحليلًا مقارنًا للعديد من تقنيات التعلم الآلي والتعلم الرقمي للتنبؤ المبكر بأمراض السكري. بالإضافة إلى ذلك، استخدمنا مجموعة بيانات لمرض السكري من مستودع UCI تحتوي على 17 سمة، بما في ذلك الفصل الدراسي، وقمنا بتقييم أداء جميع خوارزميات تصنيف التعلم الآلي والتعلم العميق المقترحة باستخدام مجموعة متنوعة من مقاييس الأداء. وفقًا لتجاربنا، تفوق مصنف XGBoost على بقية الخوارزميات بنسبة 100.0 ٪ تقريبًا، بينما كانت بقية الخوارزميات أكثر دقة بنسبة 90.0 ٪.Translated Description (French)
Le diabète est une maladie qui affecte la façon dont votre corps traite la glycémie et est souvent appelée diabète sucré. L'insuffisance en insuline et l'utilisation inefficace de l'insuline coïncident lorsque le pancréas ne peut pas produire suffisamment d'insuline ou que le corps humain ne peut pas utiliser l'insuline produite. L'insuline est une hormone produite par le pancréas qui aide au transport du glucose des aliments vers les cellules pour une utilisation comme énergie. L'effet commun du diabète non contrôlé est l'hyperglycémie, ou l'hyperglycémie, qui, en plus d'autres problèmes de santé, soulève de graves problèmes de santé, principalement vers les nerfs et les vaisseaux sanguins. Selon les statistiques de 2014, les personnes âgées de 18 ans ou plus souffraient de diabète et, selon les statistiques de 2019, le diabète à lui seul a causé 1,5 million de décès. Cependant, en raison de la croissance rapide des algorithmes de classification de l'apprentissage automatique (ML) et de l'apprentissage profond (DL), des secteurs indifférents, comme les sciences de la santé, il est maintenant remarquablement facile de détecter le diabète à ses débuts. Dans cette expérience, nous avons effectué une analyse comparative de plusieurs techniques de ML et de DL pour la prédiction précoce de la maladie du diabète. De plus, nous avons utilisé un ensemble de données sur le diabète provenant du référentiel UCI qui comporte 17 attributs, y compris la classe, et évalué les performances de tous les algorithmes de classification d'apprentissage automatique et d'apprentissage en profondeur proposés à l'aide de diverses mesures de performance. Selon nos expériences, le classificateur XGBoost a surpassé le reste des algorithmes d'environ 100,0 %, tandis que le reste des algorithmes était précis à plus de 90,0 %.Translated Description (Spanish)
La diabetes es una enfermedad que afecta la forma en que su cuerpo procesa el azúcar en la sangre y a menudo se conoce como diabetes mellitus. La insuficiencia de insulina y el uso ineficaz de insulina coinciden cuando el páncreas no puede producir suficiente insulina o el cuerpo humano no puede usar la insulina que se produce. La insulina es una hormona producida por el páncreas que ayuda en el transporte de glucosa de los alimentos a las células para su uso como energía. El efecto común de la diabetes no controlada es la hiperglucemia, o nivel alto de azúcar en la sangre, que además de otros problemas de salud, plantea graves problemas de salud, principalmente hacia los nervios y los vasos sanguíneos. Según las estadísticas de 2014, las personas de 18 años o más tenían diabetes y, según las estadísticas de 2019, solo la diabetes causó 1,5 millones de muertes. Sin embargo, debido al rápido crecimiento de los algoritmos de clasificación de aprendizaje automático (ML) y aprendizaje profundo (DL), sectores indiferentes, como la ciencia de la salud, ahora es notablemente fácil detectar la diabetes en sus primeras etapas. En este experimento, hemos realizado un análisis comparativo de varias técnicas de ML y DL para la predicción temprana de la enfermedad de la diabetes. Además, utilizamos un conjunto de datos de diabetes del repositorio UCI que tiene 17 atributos, incluida la clase, y evaluamos el rendimiento de todos los algoritmos de clasificación de aprendizaje automático y aprendizaje profundo propuestos utilizando una variedad de métricas de rendimiento. Según nuestros experimentos, el clasificador XGBoost superó al resto de los algoritmos en aproximadamente un 100,0%, mientras que el resto de los algoritmos tenían una precisión superior al 90,0%.Files
31529183.pdf.pdf
Files
(234.8 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:006fc97a6e1593612d8ec059c03b6564
|
234.8 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تحليل مقارن للتنبؤ المبكر بمرض السكري باستخدام التعلم الآلي ونهج التعلم العميق
- Translated title (French)
- Une analyse comparative de la prédiction du diabète à un stade précoce à l'aide de l'apprentissage automatique et de l'approche d'apprentissage profond
- Translated title (Spanish)
- Un análisis comparativo de la predicción de la diabetes en etapa temprana utilizando el aprendizaje automático y el enfoque de aprendizaje profundo
Identifiers
- Other
- https://openalex.org/W3217138267
- DOI
- 10.1109/ispcc53510.2021.9609364
References
- https://openalex.org/W1964940342
- https://openalex.org/W2004147962
- https://openalex.org/W2019353787
- https://openalex.org/W2080562691
- https://openalex.org/W2088252378
- https://openalex.org/W2148489082
- https://openalex.org/W2198899446
- https://openalex.org/W2293634267
- https://openalex.org/W2529481617
- https://openalex.org/W2569214105
- https://openalex.org/W2605782971
- https://openalex.org/W2752322585
- https://openalex.org/W2898056572
- https://openalex.org/W2971117641
- https://openalex.org/W298212978
- https://openalex.org/W3040772530
- https://openalex.org/W3106920072
- https://openalex.org/W3158589654
- https://openalex.org/W807187018
- https://openalex.org/W901067443