استفاده از شبکه عصبی پرسپترون چندلایه در سیستم های سلامت جهت تشخیص بیماری های قلبی-عروقی (مطالعه موردی درمانگاه طب صنعتی )

بیماری های قلبی عروقی امروزه بسیار معمول است و یکی از دلایل اصلی مرگ و میر است. در میان انواع مختلف این بیماری ها، تشخیص درست و به موقع بیماری عروق کرونر CAD بسیار مهم است. بهترین و دقیق ترین روش تشخیص CAD در حال حاضر آنژیوگرافی است که دارای عوارض جانبی زیاد و پر هزینه است. بنابراین محققان به دنبال روش های ارزان و با دقت بالا برا ی تشخیص این بیماری هستند. مطالعات موجود از ویژگی های جمع آوری شده از بیماران و الگوریتم های مختلف داده کاوی برای افزایش دقت استفاده کرده اند. در این پایان نامه یک مجموعه داده، شامل چندین ویژگی مهم و موثر جدید برای تشخیص بیماری عروق کرونر به همراه تعدادی از ویژگی های مهم مورد استفاده در مطالعات قبلی جمع آوری شد. همچنین چند فاکتور مهم و موثر صنعتی نیز در کنار سایر ویژگی ها جمع آوری و بررسی شد. مجموعه داده موجود در این پایان نامه، از 150 مراجعه کننده به درمانگاه طب صنعتی که مشکوک به داشتن بیماری عروق کرونر بودندو سابقه آنژیوگرافی داشتند، جمع آوری شد. در میان نمونه ها ، 50 نمونه سالم و 100 نمونه بیمار بودند. شبکه عصبی پرسپترون چند لایه چندین بار با تعداد نرون های مختلف اجرا شد و دقت 96% در تشتخیص بیماری عروق کرونر دست آمد که بالاترین دقت به دست آمده در مطالعات انجام شده تاکنون می باشد.

Keywords:

دسته بندی , داده کاوی , بیماری عروق کرونر , شبکه عصبی پرسپترون چند لایه , نوبت کاری