TY - JOUR T1 - The Effect of Continuous Parameters on the Diagnosis of Coronary Artery Disease Using Artificial Neural Networks TT - بررسی تأثیر پارامترهای پیوسته در تشخیص بیماری عروق کرونر قلبی با استفاده از شبکه‌های عصبی مصنوعی JF - thums-jms JO - thums-jms VL - 4 IS - 4 UR - http://jms.thums.ac.ir/article-1-369-fa.html Y1 - 2017 SP - 29 EP - 39 KW - Coronary Artery Disease KW - Artificial Neural Network KW - Continuous Parameters of Coronary Artery N2 - زمینه و هدف: بیماری عروق کرونری قلب، از شایع­ترین بیماری­ها در جوامع مختلف است. بهترین روش ارزیابی بیماری کرونر قلبی آنژیوگرافی است. مطالعه حاضر با هدف بررسی تأثیر پارامترهای بیماری با استفاده از روش­های هوشمند به منظور پیشگویی وضعیت عروق کرونری قلب انجام شده است. روش ­ها: این مطالعه از نوع تحلیلی بوده و پایگاه داده آن شامل 200 رکورد از نوع غیر قابل انتساب می­باشد. در این پژوهش از شبکه­ های عصبی­ مختلف MLP و LVQ و BRبه منظور پیش­بینی بسته بودن یا نبودن عروق کرونری قلب استفاده شده است. همچنین اهمیت تأثیر ریسک فاکتورهای پیوسته بیماری کرونر قلب مورد بررسی قرار گرفته است. نتایج: مهم ­ترین معیارهای سیستم­ های تشخیص بیماری، دو شاخص ویژگی (Specificity) و حساسیت (Sensitivity) می­باشند. در این مطالعه، 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 تأثیر مثبت دارد و می ­تواند دقت پیش­ بینی را تا 85 درصد ارتقاء بخشد. نتیجه­ گیری: آنژیوگرافی یک روش تهاجمی است و علاوه بر هزینه گران آن همراه با ریسک­ هایی چون مرگ، سکته قلبی و سکته مغزی است. بنابراین باید از روش­ های غیر تهاجمی استفاده شود که پیش­ بینی بر اساس آن­ها دارای کمترین خطا و بیشترین اطمینان باشد. استفاده از روش­ های نوین داده­ کاوی می­ تواند به کاهش این عوارض کمک کند. M3 ER -