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.
بازنشر اطلاعات | |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |