ارائه یک سیستم هوشمند در تشخیص بیماری عروق کرونری قلب با استفاده از شبکه عصبی احتمالی
Authors
abstract
مقدمه: انتخاب روش مناسب برای مدلسازی و تحلیل داده های سلامت و بهداشت، مبتنی بر نوع داده های موجود، بسیار مهم و در مواردی بسیار حساس است. تحقیق حاضر با هدف بررسی بسته بودن یا نبودن عروق کرونری قلب بر اساس شبکه عصبی احتمالی انجام شد. نتایج این تحقیق نشان داد که در جامعه آماری مورد مطالعه، شبکه های عصبی احتمالی بهتر و قوی تر از سایر شبکه های عصبی در تشخیص بیماری عمل کرده اند. روش بررسی: این تحقیق، از نوع تشخیصی بود و در سال 1392 شمسی در بیمارستان کوثر شیراز انجام شد جامعه آماری این پژوهش افرادی بودند که در شهریور ماه سال 1392 شمسی تحت آنژیوگرافی عروق کرونری قلب قرار گرفتند که تعداد 152 نفر از این افراد به طور تصادفی انتخاب شدند. در این پژوهش از شبکه عصبی احتمالی (pnn) به منظور پیش بینی بیماری عروق کرونری قلب استفاده شد. برای طراحی شبکه، از 85 درصد داده ها جهت مرحله آموزش شبکه و 15 درصد باقیمانده جهت مرحله آزمون شبکه استفاده شد. به منظور پیاده سازی شبکه از امکانات و توابع موجود در نرم افزار matlab نسخه 7.12.0 بهره گرفته شده و بر سیستم corei5 با پردازنده 2.4 ghz و حافظه 4gb تحت ویندوز 7 شبیه سازی انجام شده است. یافته ها: شاخص های عملکردی این سیستم، اختصاصیت ( specificity ) و حساسیت ( sensitivity ) بودند. عملکرد سیستم ارائه شده بر اساس این شاخص ها در مرحله آزمون شبکه به ترتیب معادل اعداد 0.94 و یک به دست آمد. در نهایت سیستم طراحی و پیاده سازی شده توانست با دقت بهتری نسبت به تحقیقات مشابه در این زمینه افراد دارای بیماری عروق کرونری را تشخیص دهد. نتیجه گیری: استفاده از شبکه های عصبی احتمالی می تواند با دقت بهتری در تشخیص بیماری عروق کرونری قلب به کار رود. این روش به علت اختصاصیت و حساسیت بالا می تواند از عوارض و آسیب های احتمالی آنژیوگرافی در بیمارانی که نیاز به آن ندارند، جلوگیری نماید. همچنین می تواند بیمارانی را که واقعا به این اقدامات تشخیصی نیاز دارند در سریعترین زمان و بیشترین دقت مشخص نماید.
similar resources
کاربرد شبکه عصبی مصنوعی جهت ارزیابی بیماری عروق کرونری قلب
Background and purpose: Since the human health is an essential issue in medical sciences, accurate predicting the individual's disease status is of great importance. Therefore, predicting with models minimum error and maximum certainty should be used. This study used artificial neural network model for predicting coronary artery disease (CAD) because it is more precise Comared to after models. ...
full textکاربرد شبکه عصبی مصنوعی جهت ارزیابی بیماری عروق کرونری قلب
سابقه و هدف: از آن جا یی که پیش بینی صحیح وضعیت بیماری افراد از اهمیت زیادی برخوردار است، لذا برای این پیش بینی بایستی از آن دسته مدل هایی استفاده کرد که دارای حداقل خطا و حداکثر اطمینان باشد. لذا در این مطالعه از روش شبکه عصبی مصنوعی که روش قوی تری نسبت به روش های موجود است جهت ارزیابی بسته بودن یا نبودن عروق کرونری قلب استفاده شد. مواد و روش ها: در این تحقیق از شبکه عصبی مصنوعی پرسپترون چند...
full textیک سیستم هوشمند پزشکیار مبتنی بر شبکه عصبی مصنوعی در تشخیص بیماری دیابت
Backgrounds: Early detection of diabetes is critical to avoid complications and damage caused by this disease. The purpose of this paper is designing an intelligent system for Diabetes prediction (healthy or patient) by using regression method based on Multilayer Perceptron Neural Network. Methods: In this descriptive-analytic study, an intelligent system is designed to classification diabetes...
full textبررسی ارتباط سطح سرمی سرولوپلاسمین با بیماری عروق کرونری قلب
Background & Aims:Over the last decade, cardiovascular disease (CVD) has become the single largest cause of death worldwide including all developing regions. The coronary artery disease (CAD) is the most lethal form of CVD. Ceruloplasmin is a ferroxidase enzyme with two paradoxically oxidative and antioxidative performances. Some studies show that ceruloplasmin give rise to atherosclerosis...
full textتشخیص زودهنگام ایسکمی با استفاده از سیگنال تغییرات ضربان قلب و شبکه های عصبی احتمالی بازگشتی
مقدمه: ایسکمی قلبی به وسیله ی عدم خون رسانی کافی به سلول های انقباضی ناشی می شود که باعث سکته ی قلبی می شود. بنابراین تشخیص غیر تهاجمی صحیح و زودهنگام ایسکمی قلبی نقش مهمی در درمان این بیماری و پیشگیری از نارسایی های قلبی متعاقب آن دارد. در طول سالیان متمادی، روش های مختلفی مبتنی بر سیگنال قلبی اخذ شده در ثبت های طولانی مدت برای تشخیص اتوماتیک ایسکمی پیشنهاده شده است. اما تاکنون تشخیص اتوماتیک ...
full textMy Resources
Save resource for easier access later
Journal title:
مدیریت اطلاعات سلامتجلد ۱۲، شماره ۱، صفحات ۳-۱۳
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023