طراحی شبکه های عصبی مصنوعی برای مدلبندی پاسخهای دومتغیرهو کاربرد آن در داده های پزشکی

thesis
abstract

مقدمه: زمانی که در یک مطالعه بیش از یک متغیر پاسخ داشته باشیم که دارای مقیاس اندازه گیری متفاوت باشند، این گونه پاسخ ها را چند متغیره آمیخته می گویند که به وفور در مطالعات اپیدمیولوژی و پزشکی با آن ها مواجه می شویم. با توجه به محدودیت ها و برقرارنبودن برخی پیش فرض ها، روش های کلاسیک آماری برای مدل بندی و پیش بینی این نوع پاسخ ها کارایی ندارند. هدف این مطالعه، طراحی شبکه عصبی مصنوعی برای مدل بندی وپیش بینی پاسخ های دومتغیره آمیخته می باشد. روش کار: این مطالعه شامل سه مرحله طراحی مدل، مطالعه شبیه سازی و برازش مدل بر داده های واقعی است. پس از طراحی مدل، با در نظر گرفتن پارامترهای مختلف، دو مجموعه داده شبیه سازی و مدل های یک متغیره و دومتغیره مورد ارزیابی قرار گرفتند. مجموعه اول شبیه سازی، حالتی است که همه متغیر(های) کمکی با هر دو متغیر پاسخ ارتباط دارند و در مجموعه دوم برخی متغیرهای کمکی تنها با یکی از متغیرهای پاسخ پیوسته یا دوحالتی ارتباط دارند. برای آموزش شبکه از الگوریتم شیب توام مقیاس شده و برای پایان دادن به هر الگوریتم و نیز تعیین اندازه بهینه تعداد تکرار و ضریب یادگیری از معیار میانگین مجذور خطاها استفاده گردید. برای تعیین مناسب ترین مدل در مرحله نهایی از معیار صحت پیش بینی استفاده شد. مدل پیشنهادی برای پیش بینی توام سندرم متابولیک (کیفی) و شاخص مقاومت به انسولین (کمی) در 347 نفر از افراد شرکت کننده در مطالعه قند و لیپید تهران به کار گرفته شد. سن، جنس، وضعیت تاهل، سابقه بیماری قلبی-عروقی، نمایه توده بدن، ldl ، hdl ، کلسترول، تری گلسیرید، قندخون ناشتا و دوساعته، مصرف سیگار، فشارخون سیستولیک و دیاستولیک و دورکمر به عنوان متغیرهای مستقل در نظر گرفته شد. برنامه های رایانه ای در نرم افزارهایr 2.9.0 و matlab 7.6 طراحی و اجرا گردید. یافته ها: در مجموعه شبیه سازی اول، صحت پیش بینی در مدل های یک متغیره و دومتغیره تقریبا یکسان بود، اما در مجموعه شبیه سازی دوم، صحت پیش بینی در مدل های دو متغیره نسبت به مدل های یک متغیره بیشتر بود. در مدل های دومتغیره، صحت پیش بینی مدل با افزایش همبستگی متغیرهای پاسخ، بیشتر می شود. در داده های واقعی، مدل با 10 گره در لایه میانی دارای بیشترین صحت پیش بینی به ترتیب برابر با 37/87 و 87 درصد برای داده های آزمون و اعتبارسنجی به دست آمد. نتایج حاصل از داده های اعتبارسنجی در هر دو مجموعه شبیه سازی نشان داد که مدل از نظر تعمیم پذیری عملکرد مطلوبی دارد. نتیجه گیری: تحقیق نشان داد، در حالتی که دو متغیر پاسخ با متغیرهای کمکی مختلف ارتباط دارند مدل دومتغیره نسبت به مدل یک متغیره مناسب تر است و با افزایش همبستگی متغیرهای پاسخ صحت پیش بینی افزایش می یابد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

طراحی شبکه عصبی مصنوعی برای مدل‌بندی پاسخ‌های دو متغیره آمیخته و کاربرد آن در داده‌های پزشکی

Background & Objective: Mixed outcomes arise when, in a multivariate model, response variables measured on different scales such as binary and continuous. Artificial neural networks (ANN) can be used for modeling in situations where classic models have restricted application when some of their assumptions are not met. In this paper, we propose a method based on ANNs for modeling mixed binary a...

full text

طراحی شبکه عصبی مصنوعی برای مدل بندی پاسخ های دو متغیره آمیخته و کاربرد آن در داده های پزشکی

مقدمه و اهداف: زمانی که در یک مطالعه متغیرهای پاسخ دارای مقیاس اندازه گیری متفاوت باشند، پاسخ ها را چندمتغیره آمیخته می گویند. با توجه به محدودیت ها و برقرارنبودن برخی پیش فرض ها، روش های کلاسیک آماری برای مدل بندی و پیش بینی این نوع پاسخ ها کارایی ندارند. هدف این مطالعه، طراحی شبکه عصبی مصنوعی برای مدل بندی و پیش ینی پاسخ های دومتغیره آمیخته است. روش کار: این مطالعه شامل سه مرحله طراحی مدل، شب...

full text

کاربرد شبکه عصبی مصنوعی در پیش بینی تبخیر-تعرق با حداقل داده های هواشناسی

برآورد دقیق تبخیر- تعرق در اعمال مدیریت بهینۀ منابع آب، ضروری است. تبخیر - تعرق مؤلفه مهمی در توازن آب در مناطق مختلف به شمار می‌رود. مهندسین آب با علم به اینکه چه مقدار از آب آبیاری به مصرف محصول می‌رسد، قادر به محاسبه مهمترین جز آب در سیکل هیدرولوژیک یعنی تبخیر - تعرق خواهند بود. در مطالعه حاضر تبخیر– تعرق روزانه دشت ارومیه با استفاده از داده‌های هواشناسی طی دوره آماری 1390 – 1363 به روش فائو...

full text

کاربرد شبکه های عصبی مصنوعی در تصمیم گیری راهبردی

در این مقاله سعی شده است علاوه بر ارایه مطالب جدید در زمینه شبکه های عصبی مصنوعی، کاربرد آن در تصمیم گیری راهبردی مدیران ارایه شود. در اینجا شبکه های عصبی مصنوعی برای اجرای یک مدول تصمیم در چارچوب تصمیم گیری راهبردی مورد بررسی قرار گرفته است. این مقاله چگونگی بکارگیری و پذیرش شبکه های عصبی در چارچوب تصمیم گیری راهبردی را توصیف می کند. در بخش اول مختصری از ادبیات شبکه های عصبی مصنوعی و در بخش دو...

full text

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده علوم پزشکی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023