تشخیص بیماری عروق کرونر قلب با استفاده از روش ترکیب خبره ها
Publish place: Journal of Health & Biomedical Informatics، Vol: 5، Issue: 2
Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 1
This Paper With 12 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHBMI-5-2_004
تاریخ نمایه سازی: 9 مرداد 1403
Abstract:
مقدمه: بیماری عروق کرونر قلب، شایعترین بیماری قلبی است و از علل اصلی مرگ در زنان و مردان است. این مطالعه با هدف پیش بینی وضعیت این بیماری با استفاده از روش ترکیب شبکه های عصبی (ترکیب خبره ها) انجام شد.
روش: این تحقیق از نوع تشخیصی و بر روی ۲۰۰ نفر از مراجعین به مرکز تخصصی قلب و عروق شهرستان تربت حیدریه انجام شد. پرونده مراجعین حاوی اطلاعات دموگرافیک بیماران شامل ۱۳ ریسک فاکتور بود. تولید مدل پیش بینی بیماری عروق کرونر قلب بر اساس شبکه های عصبی پرسپترون چندلایه و سپس جمع بندی 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 ۷۱/۷% بسته بودن عروق کرونر قلب را پیش بینی کند. سپس با افزایش تعداد شبکه ها و تعلیم آنها، ترکیب نتایج با یکدیگر انجام شد. ترکیب خبره ها با روش خطی رای اکثریت و غیرخطی شبکه عصبی راه گاهی انجام و دقت پیش بینی به ترتیب ۷۵/۸ %و ۷۸/۳ %به دست آمد.
نتیجه گیری: آنژیوگرافی یک روش تهاجمی و همراه با ریسک هایی مانند سکته قلبی و مغزی است؛ لذا باید از روش های غیرتهاجمی در تشخیص عروق کرونر قلب استفاده کرد. در این مطالعه با افزایش تعداد یادگیرها و سپس ترکیب غیرخطی آنها دقت تشخیص افزایش یافت.
Keywords:
Diagnosing Coronary Heart Disease , Artificial Neural Network , Mixture of expert , بیماری عروق کرونر قلب , شبکه عصبی مصنوعی , ترکیب خبره ها
Authors
مجید حسن زاده
Ph.D in Higher Education Management, Assistant Professor, Nursing Dept., Torbat Heydarieh University of Medical Sciences, Torbat Heydarieh, Iran
ایمان ذباح
PhD Student in Computer, School of Electrical and Computer, Tehran North Branch, Islamic Azad University, Tehran, Iran
کامران لایقی
Ph.D. in Computer, Assistant Professor, Department of Computer, North Tehran Branch, Islamic Azad University, Tehran, 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 :