پیش بینی بیماری قلبی با استفاده از تکنیک داده کاوی شبکه عصبی
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 190
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SHIMU-25-1_003
تاریخ نمایه سازی: 5 آذر 1400
Abstract:
مقدمه
داده کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از داده ها به منظور کشف الگوها و قوانین معنی دار اطلاق میشود که عمدتا" از طریق ساختن مدل ها و الگوریتم ها، ورودی ها را با هدف خاصی مرتبط می نماید. گاهی تکنیک های داده کاوی منجر به شناسایی الگوریتم های معنادار می شوند که می توانند با استفاده از داده های موجود و در دسترس و با هزینه کم، زمینه های ابتلا، پیشگیری و درمان بیماری ها را در پزشکی فراهم آورده و پزشک ها را در تشخص به موقع یاری رساند.
مواد و روش ها
این مطالعه با هدف استفاده مدیران بیمارستان از نتایج حاصل از داده کاوی سیستم های اطلاعات بیمارستانی جهت پیش بینی دقیق تر و تصمیم گیری موثرتر در درمان بیماران صورت گرفته است. دادههای مورد استفاده در این مطالعه، مربوط به اطلاعات۲۷۰ بیمار است که از انبار داده سایت UCI استخراج شده و شامل ۱۴ متغیر است. از مدل" شبکه عصبی" برای پیشبینی مبتلا بودن به بیماری قلبی استفاده شده و دقت پیشبینی آن مورد بررسی و مقایسه قرار گرفته است.
یافته های پژوهش
بر اساس نتایج، مشاهده میشود، مدل شبکه عصبی با ساختار پرسپترون چند لایه با دقتی برابر با ۸۳.۳۳% عمل کلاسبندی را برای مجموعه مشاهدات آزمون انجام داده است.
بحث و نتیجه گیری
نتایج نشان داد که دقت مدل در کلاسبندی رکوردها از لحاظ متغیر پاسخ بیماری قلبی (Heart-dis)برای مجموعه رکوردهای مدلساز ۸۷.۷۵% و برای مجموعه رکوردهای آزمون ۸۳.۳۳% میباشد. همچنین متغیرهای تعداد عروق بزرگ (Nbr-ves)، کاهش استرس(ST-dep)، نقص (Defect)، درد قفسه سینه(Chest-pain)، اوج استرس) (Peak-ST، ضربان قلب ) (Heart-rate، آنژین) (Angina، جنسیت) (Sex، سن(Age) ،ایستایی نوار قلب (Res-elec)، فشار خون (Blood-press)، قندخون (Blood-sugar) و کلسترول سرم(Serum-chol) به ترتیب بیشترین اهمیت را از لحاظ مدل "شبکه عصبی با ساختار پرسپترون چند لایه" در پیشبینی متغیر پاسخ بیماری قلبی (Heart-dis)دارند.
Keywords:
Authors
مریم کاظمی
University of Ilam medical sciences
حسین مهدی زاده
Ilam University
اردشیر شیری
Dept of Management, Faculty of Humanities, Ilam University,Ilam, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :