دوره 6، شماره 3 - ( 9-1397 )
جلد 6 شماره 3 صفحات 59-48 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Zabbah I, Koohjani Z, Maroosi A, Layeghi K. Diagnosis of Coronary Artery Disease using Neuro-fuzzy-based Method. Journal title 2018; 6 (3) :48-59
URL: http://jms.thums.ac.ir/article-1-564-fa.html
URL: http://jms.thums.ac.ir/article-1-564-fa.html
ذباح ایمان، کوه جانی زهرا، ماروسی علی، لایقی کامران. تشخیص بیماری عروق کرونر قلبی با استفاده از روش مبتنی بر عصبی فازی. عنوان نشریه. 1397; 6 (3) :48-59
ایمان ذباح1 
، زهرا کوه جانی2 ، علی ماروسی3 ، کامران لایقی 1
، زهرا کوه جانی2 ، علی ماروسی3 ، کامران لایقی 1
1- گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی تهران شمال ، تهران، ایران
2- کمیته تحقیقات دانشجویی، دانشکده مدیریت و اطلاع‌رسانی پزشکی، دانشگاه علوم پزشکی شیراز، شیراز، ایران
3- گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه تربت حیدریه، تربت حیدریه، ایران
2- کمیته تحقیقات دانشجویی، دانشکده مدیریت و اطلاع‌رسانی پزشکی، دانشگاه علوم پزشکی شیراز، شیراز، ایران
3- گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه تربت حیدریه، تربت حیدریه، ایران
چکیده: (5350 مشاهده)
زمینه و هدف: بیماری عروق کرونری قلب، از شایع ترین بیماریها در جوامع مختلف است. یکی از بهترین روش های ارزیابی این بیماری آنژیوگرافی است که نوعی روش تهاجمی است و علاوه بر هزینه گران آن همراه با خطراتی نظیر مرگ، سکته قلبی و مغزی است. مطالعه حاضر باهدف ارائه مدل عصبی‌فازی به‌منظور کمک به پزشک در پیش‌بینی وضعیت عروق کرونر قلبی انجام شده است.
روش ها: این مطالعه از نوع تشخیصی بوده و پایگاه داده آن مشتمل بر 200 نفر از مراجعین به مرکز تخصصی قلب و عروق شهرستان تربت‌حیدریه انجام‌شده که شامل 13 عامل خطر از نوع غیرقابل انتساب میباشد. در این پژوهش مدلهایی مبتنی بر روشهای داده کاوی جهت تشخیص بیماری عروق کرونر قلبی ارائه‌شده است. مدل‌سازی به کمک شبکه های عصبی مصنوعی و سپس شبکه های عصبی فازی و در نهایت خوشه بندی فازی انجام گرفت.
نتایج: خطای محاسبه‌شده بر اساس روش میانگین مربعات خطا در روش شبکه عصبی مصنوعی و شبکه های عصبی‌فازی به ترتیب 0/2574P= و 0/0007P= بدست آمد.
نتیجه گیری: از آنجایی که آنژیوگرافی یک روش تهاجمی است و با خطرات متعددی همراه است، باید از روشهای غیرتهاجمی استفاده شود که پیش بینی بر اساس آن‌ها دارای کمترین خطا و بیشترین اطمینان باشد. استفاده از روش های نوین داده کاوی میتواند به کاهش این عوارض کمک کند.
روش ها: این مطالعه از نوع تشخیصی بوده و پایگاه داده آن مشتمل بر 200 نفر از مراجعین به مرکز تخصصی قلب و عروق شهرستان تربت‌حیدریه انجام‌شده که شامل 13 عامل خطر از نوع غیرقابل انتساب میباشد. در این پژوهش مدلهایی مبتنی بر روشهای داده کاوی جهت تشخیص بیماری عروق کرونر قلبی ارائه‌شده است. مدل‌سازی به کمک شبکه های عصبی مصنوعی و سپس شبکه های عصبی فازی و در نهایت خوشه بندی فازی انجام گرفت.
نتایج: خطای محاسبه‌شده بر اساس روش میانگین مربعات خطا در روش شبکه عصبی مصنوعی و شبکه های عصبی‌فازی به ترتیب 0/2574P= و 0/0007P= بدست آمد.
نتیجه گیری: از آنجایی که آنژیوگرافی یک روش تهاجمی است و با خطرات متعددی همراه است، باید از روشهای غیرتهاجمی استفاده شود که پیش بینی بر اساس آن‌ها دارای کمترین خطا و بیشترین اطمینان باشد. استفاده از روش های نوین داده کاوی میتواند به کاهش این عوارض کمک کند.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 | این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
This work is licensed under a Creative Commons Attribution 4.0 International License.
Designed & Developed by : Yektaweb