جستجو در مقالات منتشر شده


۳ نتیجه برای شبکه عصبی مصنوعی
بررسی تأثیر پارامترهای پیوسته در تشخیص بیماری عروق کرونر قلبی با استفاده از شبکه‌های عصبی مصنوعی
ایمان ذباح، مجید حسن زاده، زهرا کوهجانی،
دوره ۴، شماره ۴ - ( ۱۰-۱۳۹۵ )
چکیده

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 ۲۰۰ 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 ۸۸ 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 ۸۵ 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.


تشخیص بیماری عروق کرونر قلبی با استفاده از روش مبتنی بر عصبی فازی
ایمان ذباح، زهرا کوه جانی، علی ماروسی، کامران لایقی،
دوره ۶، شماره ۳ - ( ۹-۱۳۹۷ )
چکیده
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 ۲۰۰ نفر از مراجعین به مرکز تخصصی قلب و عروق شهرستان تربت‌حیدریه انجام‌شده که شامل ۱۳ 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 ۰/۲۵۷۴P= و ۰/۰۰۰۷P= 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.
تشخیص بیماری دیابت با استفاده از روش‌های مبتنی بر داده‌کاوی با تکیه بر داده های بومی
ایمان عابدیان، علی ایوبی، حمیدرضا غفاری، ایمان ذباح،
دوره ۷، شماره ۱ - ( ۳-۱۳۹۸ )
چکیده
زمینه و هدف: بیماری دیابت یکی از شایع ترین و پر هزینه ترین بیماری ها می باشد که تشخیص به ‌موقع آن می ‏تواند منجر به کاهش پیشرفت این بیماری و عوارض ناشی از آن شود. این پژوهش با هدف تعیین وضیعت بیماری دیابت ازنظر ابتلا و یا عدم ابتلا به آن، با استفاده از تکنیک‏ های داده‌کاوی انجام ‌شده است.
روش­ ها: این مطالعه از نوع تحلیلی بوده و پایگاه داده آن شامل ۲۵۴ رکورد مستقل مبتنی بر ۱۳ ویژگی و جمع‌آوری‌شده توسط محققین طرح از یکی از مراکز تخصصی دیابت شهرستان مشهد می‌باشد.
نتایج: پس از پیش‌پردازش داده ‏ها روش‌های مختلف تشخیص الگو مورد بررسی قرار گرفتند، با استفاده از شبکه‏ عصبی پرسپترون چندلایه MLP، شبکه عصبی LVQ، بردار پشتیبان SVM و روش خوشه‌بندی K_means، میانگین حداقل مربعات خطا محاسبه گردید. صحت عملکرد هر یاد گیر به ترتیب ۹۴%، ۹۲%، ۹۶% و ۹۳% محاسبه گردید.
نتیجه ­گیری: نتایج مطالعه حاکی از آن است که روش SVM عملکرد بهتری نسبت به سایر روش‏ها در تشخیص بیماری دیابت دارد.
صفحه ۱ از ۱     
Creative Commons License
 This work is licensed under a Creative Commons Attribution 4.0 International License.

Designed & Developed by : Yektaweb