بررسی تأثیر پارامترهای پیوسته در تشخیص بیماری عروق کرونر قلبی با استفاده از شبکه‌های عصبی مصنوعی

Authors

حسن زاده, مجید دانشگاه علوم پزشکی تربت حیدریه

ذباح, ایمان دانشگاه آزاد اسلامی تربت حیدریه

کوهجانی, زهرا دانشگاه تربت حیدریه

Abstract:

Background & Aim: Coronary artery disease is among the common diseases in societies. The best method of assessing coronary artery diseases is through angiography. This study aimed at investigating the effect of disease parameters on the diagnosis of coronary artery disease using artificial neural networks. Methods: This analytic study included a database of 200 non-attributable records. In this research, different neural networks such as MLP, LVQ and BR were used to predict whether the coronary arteries were blocked or not. In addition, the importance of the continuous risk factors of coronary artery disease was studied. Results: The most important criteria of the diagnosis systems are the specificity and sensitivity indicators. In this study, these two indicators were calculated in the test. The best accuracy was observed in MLP, with a back-error propagation of 88%. It was also observed that the removal of discrete parameters positively affects neural network convergence speed so that the prediction accuracy could reach 85%. Conclusion: Angiography is a high-cost invasive procedure with risk factors such as death, stroke and heart attack. Therefore, noninvasive methods should be applied in order to minimize   error and maximize reliability to predict the disease. Using data mining methods can decrease the complications of the disease.

Upgrade to premium to download articles

Already have an account?login

similar resources

تشخیص بیماری عروق کرونر قلبی با استفاده از درخت تصمیم C4.5

مقدمه: یکی از شایع‌ترین بیماری‌ها و علل مرگ و میر در دنیای امروز بیماری‌های قلبی است. استفاده از تکنیک‌های داده‌کاوی برای ایجاد مدل‌های پیشگویی کننده، جهت شناسایی افراد در معرض خطر برای کاهش عوارض ناشی از بیماری بسیار کمک کننده است. در این پژوهش با استفاده از درخت تصمیم C4.5 به روش‌های پیشگیری و تشخیص این بیماری پرداخته می‌شود. روش: این پژوهش از نوع کاربردی و توصیفی میباشد. در این پژوهش از داد...

full text

تشخیص بیماری عروق کرونر قلبی با استفاده از درخت تصمیم C4.5

full text

تشخیص بیماری عروق کرونر قلب با استفاده از روش ترکیب خبره‌ها

مقدمه: بیماری عروق کرونر قلب، شایع‌ترین بیماری قلبی است و از علل اصلی مرگ در زنان و مردان است. این مطالعه با هدف پیش‌بینی وضعیت این بیماری با استفاده از روش ترکیب شبکه‌های عصبی (ترکیب خبره‌ها) انجام‌ شد. روش: این تحقیق از نوع تشخیصی و بر روی 200 نفر از مراجعین به مرکز تخصصی قلب و عروق شهرستان تربت‌حیدریه انجام شد. پرونده مراجعین حاوی اطلاعات دموگرافیک بیماران شامل 13 ریسک فاکتور بود. تولید مدل ...

full text

تشخیص بیماری دیابت با استفاده از شبکه عصبی مصنوعی و عصبی- فازی

Background & Aim: A main problem in diabetes is its timely and accurate diagnosis. This study aimed at diagnosing diabetes using data mining methods. Methods: The present study is an analytical investigation including 768 individuals with 8 attributes. Artificial neural networks and fuzzy neural networks were used to diagnose the diabetes. To achieve a real accuracy, the Kfold method was used ...

full text