ارائه یک روش هوشمند برای پیش بینی وقوع مرگ براساس سن بیمار و حجم خون ریزی در عکس سی تی اسکن
Publish Year: 1403
نوع سند: مقاله ژورنالی
زبان: Persian
View: 191
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_JIPET-15-58_002
تاریخ نمایه سازی: 5 اردیبهشت 1402
Abstract:
هدف از این مقاله پیشبینی زنده ماندن و یا مرگ افراد مبتلا به خونریزی مغزی در طی سی روز بر اساس میزان خونریزی مغزی است. تشخیص و درمان به موقع و صحیح خونریزی مغزی از اهمیت بسیار بالایی برخوردار است، چنانچه در مدت این سی روز فوت بیمار پیشبینی شود، پزشک معالج باید مراقبتهای ویژه و درمان قویتری برای بیمار استفاده کند. خونریزیهای مغزی نیاز به درمان فوری و تشخیص سریع و دقیق دارند. در این مقاله با استفاده از حجم خونریزی مغزی و سن بیمار و با استفاده از شبکه عصبی ماشین بردار پشتیبان (SVM) پیشبینی شده است که چند درصد از افراد مبتلا به خونریزی مغزی زنده میمانند و چند درصد فوت میکنند. پارامترهای حجم خونریزی مغزی و سن بیماران، ورودی شبکه عصبی در نظر گرفته شده است. خروجی شبکه، زنده ماندن و یا مرگ بیماران مبتلا به خونریزی مغزی طی سی روز آینده است. دادههایی که استفاده شده شامل سن و حجم خونریزی ۶۶ بیمار مبتلا به خونریزی لوبار، ۷۶ بیمار مبتلا به خونریزی عمیق، ۹ بیمار مبتلا به خونریزی پونتین و ۱۱ بیمار مبتلا به خونریزی مخچهای است. تمام مدلهای خونریزی به عنوان ورودی شبکه عصبی ماشین بردار پشتیبان در نظر گرفته شده است. دقت کلی شبکه عصبی ماشین بردار پشتیبان طراحی شده ۹۳ درصد است. مستقل از نوع خونریزی مغزی، زنده ماندن و یا مرگ افراد مبتلا به خونریزی مغزی در طی سی روز پیشبینی شده است.
Keywords:
Authors
یسرا عزیزی نصرآبادی
گروه مهندسی پزشکی- واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران
علی جمالی نظری
دانشکده فنی- واحد شاهرود، دانشگاه آزاد اسلامی، شاهرود، سمنان، ایران
حمید قدیری
گروه مهندسی برق- واحد قزوین، دانشگاه آزاد اسلامی، قزوین، ایران
فرشید باباپور مفرد
گروه مهندسی پرتوپزشکی- واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران
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 :