การจำแนกผู้ป่วยโรคอ้วนลงพุงโดยใช้วิธีการคัดเลือกคุณลักษณะและโครงข่ายประสาทเทียม Patients Classification of Metabolic Syndrome Using Feature Selection and Artificial Neural Network

Abstract

งานวิจัยนี้มีวัตถุประสงค์เพื่อสร้างโมเดลในการจำแนกข้อมูลผู้ป่วยโรคอ้วนลงพุงโดยใช้วิธีการคัดเลือกคุณลักษณะและโครงข่ายประสาทเทียมแบบมัลติเลเยอร์เพอร์เซ็ปตรอน และเพื่อเปรียบเทียบประสิทธิภาพในการจำแนกข้อมูล 3 วิธี ได้แก่ 1) โครงข่ายประสาทเทียมแบบมัลติเลเยอร์เพอร์เซ็ปตรอนเพียงอย่างเดียว 2) วิธี Correlation-based Feature Selection ร่วมกับโครงข่ายประสาทเทียมแบบมัลติเลเยอร์เพอร์เซ็ปตรอน และ 3) วิธี Information Gain ร่วมกับโครงข่ายประสาทเทียมแบบมัลติเลเยอร์เพอร์เซ็ปตรอน สำหรับข้อมูลที่ใช้ได้มาจากการเก็บข้อมูลโดยใช้แบบสอบถามจากบุคลากรในโรงพยาบาลค่ายสรรพสิทธิประสงค์ตั้งแต่ปี พ.ศ. 2550-2554 ผลการวิจัยพบว่าการใช้วิธีการคัดเลือกคุณลักษณะด้วย Correlation-based Feature Selection ร่วมกับโครงข่ายประสาทเทียมแบบมัลติเลเยอร์เพอร์เซ็ปตรอนในการสร้างโมเดลการจำแนกข้อมูลจะให้ค่าความถูกต้องในการจำแนกข้อมูลสูงที่สุดซึ่งมีค่าเท่ากับ 92.56% The objectives of this research are to create a model of metabolic syndrome classification using Feature Selection and Multi-layer Perceptron Neural Network and to compare the efficiency of three classification methods: 1) Multi-layer Perceptron Neural Network, 2) Correlation-based Feature Selection with Multi-layer Perceptron Neural Network and 3) Information Gain with Multi-layer Perceptron Neural Network. The data is collected from the medical records of the Fort Sumpasitthiprasong hospital, from 2007 to 2011, by using questionnaire. The results showed that the using Correlation-based Feature Selection with Multi-layer Perceptron Neural Network for creating classification model yielded the best performance based on accuracy equal to 92.56%.