ارایه یک سیستم هوشمند در تشخیص بیماری عروق کرنری قلب با استفاده از شبکه عصبی

از آن جایی که پیش بینی صحیح وضعیت بیماری افراد از اهمیت زیادی برخوردار است، لذا برای این پیش بینی بایستی از آن دسته مدل هایی استفاده کرد که دارای حداقل خطا و حداکثر اطمینان باشد . لذا در این مطالعه از روش شبکه عصبی مصنوعی که روش قوی تری نسبت به روش های موجود است جهت ارزیابی بسته بودن یا نبودن عروق کرونری قلب استفاده شد. بیماری عروق کرونری قلب، از شایع ترین بیماریها در جوامع مختلف است. بهترین روش ارزیابی بیماری کرونر قلبی آنژیوگرافی است. مطالعه حاضر با هدف بررسی تاثیر پارامترهای بیماری با استفاده از روشهای هوشمند به منظور پیشگویی وضعیت عروق کرونری قلب انجام شده است.تعداد نمونه مورد مطالعه بر اساس فرمول مربوطه و تقسیم تعداد نرون های لایه مخفی بر میزان خطای 1/. محاسبه شد .لذا تعداد 152 نفر از افراد فوق به صورت تصادفی انتخاب شدند . در پیاده سازی های انجام شده، از 85 درصد داده ها جهت آموزش شبکه و 15 درصد باقیمانده، جهت آزمون شبکه استفاده شد. در این پژوهش از شبکه عصبی به منظور پیش بینی بیماری عروق کرنری قلب استفاده شده است.شاخص های عملکردی این سیستم، اختصاصیت (Specificity) و حساسیت((Sensitivity بودند. عملکرد سیستم ارایه شده بر اساس این شاخص ها در مرحله آزمون شبکه به ترتیب معادل اعداد 0,94 و 1 به دست آمده. درنهایت سیستم طراحی و پیاده سازی شده توانست با دقت بهتری نسبت به تحقیقات مشابه در این زمینه، افراد دارای بیماری عروق کرنری را تشخیص دهد.این دو شاخص در مرحله تست و آزمون مورد محاسبه قرار گرفتند. بهترین صحت مدل مربوط به شبکه عصبی پرسپترون چندلایه با قانون پس انتشار خطا و معادل 88 درصد بوده است. همچنین مشاهده شد که حذف پارامترهای گسسته در سرعت همگرایی شبکه عصبی تاثیر مثبت دارد و میتواند دقت پیشبینی را تا 85درصد ارتقاء بخشد.این روش به علت ویژگی بالا می تواند از عوارض و آسیب های احتمالی آنژیوگرافی در بیمارانی که نیاز به آن ندارند را جلوگیری نماید. از طرف دیگر می تواند به علت حساسیت بالا در بیمارانی که به طور واقعی به این اقدامات تشخیصی و درمانی نیاز دارند را جدا نماید.

Keywords:

بیماری عروق کرنری , پیش بینی , شبکه های عصبی , پرسپترون چند لایه.