Journal title
عنوان نشریه
Journal of Torbat Heydariyeh University of Medical Sciences
Medical Sciences
http://jms.thums.ac.ir
1
admin
2716-9669
2716-9669
doi
fa
jalali
1395
10
1
gregorian
2017
1
1
4
4
online
1
fulltext
fa
بررسی تأثیر پارامترهای پیوسته در تشخیص بیماری عروق کرونر قلبی با استفاده از شبکههای عصبی مصنوعی
The Effect of Continuous Parameters on the Diagnosis of Coronary Artery Disease Using Artificial Neural Networks
تخصصي
Special
پژوهشي
Research
<p dir="RTL" style="margin-bottom:6.0pt;text-align:justify;direction:rtl;unicode-bidi:embed;"><strong><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">زمینه و هدف: </span></span></strong><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">بیماری عروق کرونری قلب، از شایع</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">­</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">ترین بیماری</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">­</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">ها در جوامع مختلف است. بهترین روش ارزیابی بیماری کرونر قلبی آنژیوگرافی است. مطالعه حاضر با هدف بررسی تأثیر پارامترهای بیماری با استفاده از روش</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">­</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">های هوشمند به منظور </span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">پیشگویی وضعیت عروق کر</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">و</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">نری قلب</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;"> انجام شده است.</span></span></p>
<p dir="RTL" style="margin-bottom:6.0pt;text-align:justify;direction:rtl;unicode-bidi:embed;"><strong><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">روش ­ها:</span></span></strong><span style="font-family:b nazanin;"><span style="font-size:12.0pt;"> این مطالعه از نوع تحلیلی بوده و پایگاه داده آن شامل 200 رکورد از نوع غیر قابل انتساب می</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">­</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">باشد. در این پژوهش از شبکه­ های عصبی­ مختلف </span></span><span dir="LTR"><span style="font-family:times new roman,serif;">MLP</span></span> <span style="font-family:b nazanin;"><span style="font-size:12.0pt;">و </span></span><span dir="LTR"><span style="font-family:times new roman,serif;">LVQ</span></span> <span style="font-family:b nazanin;"><span style="font-size:12.0pt;">و </span></span> <span dir="LTR"><span style="font-family:times new roman,serif;">BR</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">به 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. </span></span></p>
<p dir="RTL" style="margin-bottom:6.0pt;text-align:justify;direction:rtl;unicode-bidi:embed;"><strong><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">نتایج: </span></span></strong><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">مهم ­ترین معیارهای سیستم­ های تشخیص بیماری، دو شاخص ویژگی (</span></span><span dir="LTR"><span style="font-family:times new roman,serif;">Specificity</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">) و حساسیت (</span></span><span dir="LTR"><span style="font-family:times new roman,serif;">Sensitivity</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">) 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.</span></span></p>
<p dir="RTL" style="margin-bottom:6.0pt;text-align:justify;direction:rtl;unicode-bidi:embed;"><strong><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">نتیجه­ گیری: </span></span></strong><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">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 </span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;">روش­ های</span></span><span style="font-family:b nazanin;"><span style="font-size:12.0pt;"> نوین داده­ کاوی می­ تواند به کاهش این عوارض کمک کند.</span></span></p>
<p dir="RTL"></p>
<p><strong><em>Background & Aim</em></strong><em>:</em> Coronary artery disease is among the common diseases in societies. The best method of assessing coronary artery diseases is through angiography<span dir="RTL">.</span> This study aimed at investigating the effect of disease parameters on the diagnosis of coronary artery disease using artificial neural networks.</p>
<p><strong><em>Methods</em></strong><strong>:</strong> This analytic study included a database of 200 non-attributable records. In this research, different neural networks such as MLP, LVQ and BR were used to predict whether the coronary arteries were blocked or not. In addition, the importance of the continuous risk factors of coronary artery disease was studied.</p>
<p><strong><em>Results</em></strong><strong>:</strong> The most important criteria of the diagnosis systems are the specificity and sensitivity indicators. In this study, these two indicators were calculated in the test. The best accuracy was observed in MLP, with a back-error propagation of 88%. It was also observed that the removal of discrete parameters positively affects neural network convergence speed so that the prediction accuracy could reach 85%.</p>
<p><strong><em>Conclusion</em></strong><strong>:</strong> Angiography is a high-cost invasive procedure with risk factors such as death, stroke and heart attack. Therefore, noninvasive methods should be applied in order to minimize error and maximize reliability to predict the disease. Using data mining methods can decrease the complications of the disease.</p>
عروق کرونری قلب, شبکه عصبی مصنوعی , پارامتر های پیوسته کرونر قلبی.
Coronary Artery Disease, Artificial Neural Network, Continuous Parameters of Coronary Artery
29
39
http://jms.thums.ac.ir/browse.php?a_code=A-10-416-1&slc_lang=fa&sid=1
Iman
Zabbah
ایمان
ذباح
imanzabbah@gmail.com
10031947532846006528
10031947532846006528
Yes
Islamic Azad University Of Torbat-e-heydaiyeh
دانشگاه آزاد اسلامی تربت حیدریه
Majid
Hassaanzadeh
مجید
حسن زاده
m_hassanzadeh@yahoo.com
10031947532846006529
10031947532846006529
No
University of medical sciences, Torbat-e-heydariyeh
دانشگاه علوم پزشکی تربت حیدریه
zahra
kohjani
زهرا
کوهجانی
zahra.kohjani@gmail.com
10031947532846006530
10031947532846006530
No
University Of Torbat-e-heydaiyeh
دانشگاه تربت حیدریه