糖尿病検出のための畳み込みLSTMに基づく深層学習アプローチ

A deep learning approach based on convolutional LSTM for detecting diabetes.

• Motiur Rahman
• Dilshad Islam
• Rokeya Jahan Mukti
• Indrajit Saha

抄録

糖尿病は、膵臓が十分なインスリンを生成しないか、または体が生成されたインスリンを有効に利用することができない場合に発生する慢性疾患です。それは未確認と未治療のままであれば、それは非常に致命的な可能性があります。一つは、糖尿病の存在を早期に検出することができれば、適切な治療で健康的な生活を送ることができます。従来の糖尿病の検出プロセスが面倒な場合、臨床データや身体データから糖尿病を識別するための自動化システムの必要性があります。本研究では、これまで適用されていなかったConvolutional Long-Short-Memory (Conv-LSTM)をベースとした新しい糖尿病分類モデルを開発した。本研究では、Convolutional Neural Network (CNN), Traditional LSTM (T-LSTM), CNN-LSTMの3つの一般的なモデルを適用し、Pima Indians Diabetes Database (PIDD)を用いて、開発したモデルとの性能比較を行った。糖尿病患者をより正確に分類するための重要な特徴として、グルコース、BMI、インスリン、血圧、年齢を返すBorutaアルゴリズムを用いて、データセットから有意な特徴を抽出した。適用したモデルに最適なパラメータを見つけるために、グリッドサーチアルゴリズムを用いてハイパーパラメータ最適化を行った。初期実験では，データセットを学習セットとテストセットに分割し，Conv-LSTMベースのモデルが91.38%と最も高い精度で糖尿病患者を分類した．その後、クロスバリデーション技術を用いて、Conv-LSTMモデルは97.26%の最高精度を達成し、他の3つのモデルと最先端のモデルを凌駕した。

Diabetes is a chronic disease that occurs when the pancreas does not generate sufficient insulin or the body cannot effectively utilize the produced insulin. If it remains unidentified and untreated, then it could be very deadliest. One can lead a healthy life with proper treatment if the presence of diabetes can be detected at an early stage. When the conventional process of detecting diabetes is tedious, there is a need of an automated system for identifying diabetes from the clinical and physical data. In this study, we developed a novel diabetes classifying model based on Convolutional Long Short-term Memory (Conv-LSTM) that was not applied yet in this regard. We applied another three popular models such as Convolutional Neural Network (CNN), Traditional LSTM (T-LSTM), and CNN-LSTM and compared the performance with our developed model over the Pima Indians Diabetes Database (PIDD). Significant features were extracted from the dataset using Boruta algorithm that returned glucose, BMI, insulin, blood pressure, and age as important features for classifying diabetes patients more accurately. We performed hyperparameter optimization using Grid Search algorithm in order to find the optimal parameters for the applied models. Initial experiment by splitting the dataset into separate training and testing sets, the Conv-LSTM-based model classified the diabetes patients with the highest accuracy of 91.38 %. In later, using cross-validation technique the Conv-LSTM model achieved the highest accuracy of 97.26 % and outperformed the other three models along with the state-of-the-art models.

Copyright © 2020 Elsevier Ltd. All rights reserved.