تشخیص بیماری عروق کرونر قلب با استفاده از روش ترکیب خبره‌ها

نویسندگان

  • حسن زاده, مجید دانشجوی دکتری کامپیوتر، دانشکده برق و کامپیوتر، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران
  • ذباح, ایمان دکتری مدیریت آموزش عالی ،گروه پرستاری، دانشگاه علوم پزشکی تربت حیدریه، تربت حیدریه، ایران
  • لایقی, کامران دکتری کامپیوتر، استادیار گروه کامپیوتر، دانشکده برق و کامپیوتر، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران
چکیده مقاله:

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 پیش‌بینی بیماری عروق کرونر قلب بر اساس شبکه‌های عصبی پرسپترون چندلایه و سپس جمع‌بندی نظرات آن‌ها انجام‌ شد. نتایج: در ابتدا از یک شبکه عصبی پرسپترون چندلایه با الگوریتم پس انتشار خطا استفاده گردید. بهترین معماری توانست با دقت 71/7% بسته بودن عروق کرونر قلب را پیش‌بینی کند. سپس با افزایش تعداد شبکه‌ها و تعلیم آن‌ها، ترکیب نتایج با یکدیگر انجام شد. ترکیب خبره‌ها با روش خطی رأی اکثریت و غیرخطی شبکه عصبی راه‌گاهی انجام و دقت پیش‌بینی به ترتیب 75/8% و 78/3% به دست آمد. نتیجه‌گیری: آنژیوگرافی یک روش تهاجمی و همراه با ریسک‌هایی مانند سکته قلبی و مغزی است؛ لذا باید از روش‌های غیرتهاجمی در تشخیص عروق کرونر قلب استفاده کرد. در این مطالعه با افزایش تعداد یاد‌گیرها و سپس ترکیب غیرخطی آن‌ها دقت تشخیص افزایش ‌یافت.  

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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...

متن کامل

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

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 t...

متن کامل

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...

متن کامل

خصومت ورزی ، تیپ شخصیتی و بیماری عروق کرونر قلب

Introduction & Objective: In modern medicine, researches in behavioural sciences have described link between psychosocial characteristic, specific personality traits, and development of coronary artery disease. The aim of present study was to investigate the relationship between " hostility" and "type A" personality with acute myocardial infarction. Materials & Methods: In this case-contro...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 5  شماره 2

صفحات  274- 285

تاریخ انتشار 2018-09

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023