การจำแนกประเภทหลายหมวดหมู่ด้วยการเรียนรู้ของเครื่องเพื่อพยากรณ์ระดับน้ำตาลสะสมในเลือดของผู้ป่วยเบาหวานชนิดที่ 2

ณพัชร โพธิ์ศรี

Please use this identifier to cite or link to this item: https://ir.stou.ac.th/handle/123456789/13029

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	วฤษาย์ ร่มสายหยุด	th_TH
dc.contributor.author	ณพัชร โพธิ์ศรี	th_TH
dc.contributor.other	มหาวิทยาลัยสุโขทัยธรรมาธิราช. สาขาวิชาวิทยาศาสตร์และเทคโนโลยี	th_TH
dc.date.accessioned	2025-01-24T07:59:07Z	-
dc.date.available	2025-01-24T07:59:07Z	-
dc.date.issued	2566	-
dc.identifier.uri	https://ir.stou.ac.th/handle/123456789/13029	en_US
dc.description.abstract	การวิจัยครั้งนี้มีวัตถุประสงค์เพื่อ 1) สร้างแบบจำลองการพยากรณ์ระดับน้ำตาลสะสมในเลือดของผู้ป่วยเบาหวานชนิดที่ 2 และ 2) ประเมินประสิทธิภาพแบบจำลองการพยากรณ์ระดับน้ำตาลสะสมในเลือดของผู้ป่วยเบาหวานชนิดที่ 2 โดยรวบรวมข้อมูลเวชระเบียนที่ส่งผลต่อระดับน้ำตาลสะสมในเลือด แบ่งออกเป็นข้อมูลทั่วไป ผลตรวจทางห้องปฏิบัติการ และข้อมูลโรคเบาหวาน จำนวน 28,431 เวชระเบียน 37 คุณลักษณะ จากนั้นสร้างและประเมินประสิทธิภาพแบบจำลอง ผลการทดลองแสดงให้เห็นว่า 1) การสร้างแบบจำลองการเรียนรู้ของเครื่อง ประกอบด้วย 6 ขั้นตอน (1) การเก็บรวบรวมข้อมูล (2) การเตรียมข้อมูล โดยการคัดเลือกคุณลักษณะแบบ Information gain feature reduction การจัดการข้อมูลแบบไม่สมดุลด้วย SMOTE และการจำแนกประเภทหลายหมวดหมู่ที่แตกต่างกันทั้งหมด 45 วิธี (3) การสร้างแบบจำลองด้วยอัลกอริทึมป่าสุ่ม (4) การประเมินประสิทธิภาพแบบจำลอง (5) การปรับพารามิเตอร์เพื่อหาค่าที่เหมาะสมที่สุด และ (6) การนำแบบจำลองไปประยุกต์ใช้งานคาดการณ์ระดับน้ำตาลสะสมและนำมาประกอบการตัดสินใจเพื่อส่งตรวจติดตามระดับน้ำตาลสะสมในเลือดเพิ่มเติมจากปกติ และ 2) ผลการประเมินประสิทธิภาพพบว่า ร้อยละความถูกต้อง ความแม่นยำ ความครบถ้วน และประสิทธิภาพโดยรวม เท่ากับ 81.89, 82.13, 81.89, 81.83 ตามลำดับ	th_TH
dc.format	application/pdf	en_US
dc.language.iso	th	en_US
dc.publisher	มหาวิทยาลัยสุโขทัยธรรมาธิราช	th_TH
dc.rights	มหาวิทยาลัยสุโขทัยธรรมาธิราช	th_TH
dc.source	Born digital	en_US
dc.subject	มหาวิทยาลัยสุโขทัยธรรมาธิราช. สาขาวิชาวิทยาศาสตร์และเทคโนโลยี--การศึกษาเฉพาะกรณี	th_TH
dc.subject	มหาวิทยาลัยสุโขทัยธรรมาธิราช. แขนงวิชาเทคโนโลยีดิจิทัล--การศึกษาเฉพาะกรณี	th_TH
dc.subject	การตรวจวัดระดับกลูโคสในเลือด	th_TH
dc.subject	การเรียนรู้ของเครื่อง	th_TH
dc.subject	การศึกษาอิสระ--เทคโนโลยีดิจิทัล	th_TH
dc.title	การจำแนกประเภทหลายหมวดหมู่ด้วยการเรียนรู้ของเครื่องเพื่อพยากรณ์ระดับน้ำตาลสะสมในเลือดของผู้ป่วยเบาหวานชนิดที่ 2	th_TH
dc.title.alternative	Machine Learning-Based Multiclass Classification for Predicting the Cumulative Blood Sugar Levels in Type 2 Diabetes Patient	en_US
dc.type	Thesis	en_US
dc.degree.name	วิทยาศาสตรมหาบัณฑิต	th_TH
dc.degree.level	ปริญญาโท	th_TH
dc.degree.discipline	สาขาวิชาวิทยาศาสตร์และเทคโนโลยี	th_TH
dc.degree.grantor	มหาวิทยาลัยสุโขทัยธรรมาธิราช	th_TH
dc.description.abstractalternative	The objectives of this research were to: 1) develop a predictive model for cumulative blood sugar levels in type 2 diabetes patients; and 2) evaluate the effectiveness of the predictive model by collecting health record data from type 2 diabetes patients. The dataset comprises characteristics influencing cumulative blood sugar levels, categorized into general information, laboratory test results, and diabetes-related data, amounting to 28,431 health records and 37 features.The experimental results show that: 1) Building a machine learning model consists of six stages: (1) Data collection; (2) Data preparation involving Information Gain feature reduction, handling imbalanced data using SMOTE, and multi-class classification, resulting in a total of 45 methods; (3) Model development using Random Forest algorithm, (4) Model evaluation; (5) Hyperparameter tuning for optimal values; and (6) Application of the model for predicting cumulative blood sugar levels and assisting in decision-making regarding additional cumulative blood sugar level testing during follow-up. 2) The model evaluation results indicate accuracy, precision, recall, and F1 score of 81.89%, 82.13%, 81.89%, and 81.83%, respectively.	en_US
Appears in Collections:	Science Tech - Independent study

Files in This Item:

File	Description	Size	Format
2659600064.pdf		3.63 MB	Adobe PDF	View/Open

Show simple item record