ارائه چهارچوب پیش‏ بینی بیماری عروق کرونر با استفاده از شبکه‏های عصبی

پایان نامه
چکیده

در این پژوهش برای پیش‏بینی بیماری عروق کرونر مدلی با استفاده از تکنیک داده‏کاوی شبکه های عصبی ارائه شده ‏است. مجموعه داده مورد استفاده دارای 13,228 رکورد مربوط به افراد آنژیوگرافی شده (4,059 رکورد فاقد بیماری عروق کرونر و 9,169 رکورد مبتلا به بیماری عروق کرونر) بوده و شامل ریسک فاکتورهای پیش‏بینی کننده سن، جنس، چاقی، چاقی شکمی، سابقه خانوادگی، مصرف سیگار، چربی خون، دیابت و فشارخون می باشد. مدل‏های تولید شده در این تحقیق با استفاده از آنالیز منحنی roc مقایسه و بهترین مدل با سطح زیر منحنی 750/0 انتخاب گردید. مدل نهایی داری دقت 53/74%، حساسیت 34/93% و ویژگی 27/32% است که نشان می‏دهد علاوه بر توانایی بالا در تشخیص افراد بیمار، تعداد قابل قبولی از افرادی که به اشتباه آنژیوگرافی شده‏اند را نیز شناسایی می‏کند. همچنین، بکار‏گیری تکنیک‏های گزینش متغیر در این مطالعه نیز نتایج خوبی در زمینه کاهش پیچیدگی مدل بهمراه داشت و منجر به تولید مدلی با دقت 38/74% و متشکل از تنها چهار ریسک فاکتور سن، جنس، دیابت و فشارخون بالا گردید.

منابع مشابه

ارائه مدلی جهت پیش بینی بیماری دیابت با استفاده از شبکه عصبی

Introduction: Meta-heuristic and combined algorithms have a great capability in modelling medical decision making. This study used neural networks in order to predict Type 2 Diabetes (T2D) among high risk individuals. Methods: This study was   an applied research. Data from 545 individuals (diabetic and non-diabetic), in Diabetes Clinic of Hamedan University of Medical Sciences, we...

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

پیش بینی رفتار مشتریان با استفاده از تکنیک شبکههای عصبی مصنوعی

امروزه روش های کمی، به یکی از مهم ترین ابزارهای پیش بینی برای اخذ تصمیمات و سرمایه گذاریهای کلان در بازارها تبدیل شده اند. دقت پیش بینی، یکی از مهم ترین فاکتورهای انتخاب روش پیش بینی است؛ شبکه های عصبی مصنوعی، برنامه های کامپیوتری منعطفی هستند که در سطح گسترده ای برای پیش بینی، با درجه بالایی از دقت به کار برده می شوند. امروزه میتوان با استفاده از تکنیک های داده کاوی و شبکه های عصبی به بررسی و ...

متن کامل

ارائه مدلی برای پیش بینی بیماری لیشمانیوز جلدی (سالک) با استفاده از سامانه اطلاعات مکانی و الگوریتم شبکه عصبی

بیماری سالک، از بیماری‌های انگلی می‌باشد که در شمار بیماری‌های مشترک بین انسان و حیوان قرار می‌گیرد. این بیماری از شایع‌ترین فرم بیماری لیشمانیوز است که توسط گونه‌های مختلف انگل لیشمانی...

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 @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده مهندسی برق و کامپیوتر

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023