مقایسه شبکه عصبی مصنوعی و رگرسیون لجستیک در پیش بینیپاسخ های دو حالتی مطالعات پزشکی
Publish Year: 1390
نوع سند: مقاله ژورنالی
زبان: Persian
View: 40
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_NKUMS-3-5_002
تاریخ نمایه سازی: 29 دی 1402
Abstract:
چکیده زمینه و هدف: رگرسیون لجستیک یک مدل عمومی برای بررسی رابطه بین متغیرهای مستقل و پاسخ های دوحالتی است. یکی از مدل های انعطاف پذیر که به طور جایگزین می تواند مورد استفاده قرار گیرد، مدل شبکه عصبی مصنوعی است. این مطالعه با هدف مقایسه ی قدرت پیش بینی پاسخ های دوحالتی داده های پزشکی، با مدل شبکه عصبی مصنوعی و رگرسیون لجستیک انجام شد. مواد و روش کار: برای انجام این پژوهش، از داده های ۶۳۹ بیمار مبتلا به سرطان معده، گردآوری شده توسط مرکز تحقیقات گوارش و کبد دانشگاه علوم پزشکی شهید بهشتی طی سال های ۱۳۸۱-۱۳۸۵، استفاده شد. مرحله بیماری به عنوان متغیر وابسته در نظر گرفته شد. ارزیابی شبکه بر اساس ملاک حداقل مربعات خطای پیش بینی صورت گرفت و مقایسه پیش بینی های مدل نهایی شبکه با مدل رگرسیونی با استفاده از شاخص هماهنگی و منحنی راک صورت پذیرفت. تحلیل داده ها با نرم افزار R ۲.۱۲ و SPSS ۱۷.۰ انجام شد. یافته ها: سطح زیر منحنی مشخصه عملکرد مدل شبکه عصبی برابر ۷۲۵/۰ و مدل رگرسیون لجستیک برابر ۶۹۹/۰ به دست آمد. همچنین صحت پیش بینی کل برای مدل شبکه عصبی و رگرسیونی به ترتیب برابر ۷۷۱/۰ و ۷۱۰/۰ محاسبه گردید. همچنین اختلاف پیش بینی های دو مدل معنی دار شد (۰۰۲/۰ = P). نتیجه گیری: صحت پیش بینی شبکه در تشخیص مرحله ی بیماری سرطان معده بیش تر از مدل رگرسیونی لجستیک به دست آمد و لذا این مدل برای تشخیص مرحله ی بیماری پیشنهاد می شود.
Keywords:
Keywords: Artificial neural network , Logistic regression , Prediction , Binary response , واژه های کلیدی: شبکه عصبی مصنوعی , رگرسیون لجستیک , پیش بینی , پاسخ های دوحالتی
Authors
اکبر بیگلریان
دانشگاه علوم بهزیستی و توان بخشی تهران، تهران، ایران
عنایت اله بخشی
دانشگاه علوم بهزیستی و توان بخشی تهران، تهران، ایران
مهدی رهگذر
دانشگاه علوم بهزیستی و توان بخشی تهران، تهران، ایران
مسعود کریملو
دانشگاه علوم بهزیستی و توان بخشی تهران، 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 :