این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پایش، جلد ۱۳، شماره ۳، صفحات ۲۸۵-۲۹۱
عنوان فارسی الگوی شبکه عصبی مصنوعی در تحلیل بقای بیماران سرطان معده
چکیده فارسی مقاله سرطان معده در ایران در رتبه نخست شایع‌ترین سرطان برای مردان و رتبه سوم در زنان است. هدف از این مطالعه، تحلیل بقای بیماران مبتلا به سرطان معده و در ادامه پیش‌بینی مرگ این بیماران با استفاده از الگوی شبکه عصبی است. در این مطالعه‌ طولی گذشته‌نگر تعداد 242 بیمار که دارای تشخیص قطعی پاتولوژیک سرطان معده بودند بررسی شدند. داده ها توسط مرکز تحقیقات گوارش و کبد دانشگاه علوم پزشکی شهید بهشتی در بیمارستان طالقانی تهران جمع آوری گردید. توابع بقا و عوامل مؤثر بر بقا به کمک روش کاپلان ـ مایر و الگو مخاطرات متناسب کاکس برآورد شدند. برای تحلیل به روش شبکه عصبی ابتدا داده‌ها به تصادف به دو گروه آموزش و آزمایش تقسیم شدند و همگنی زمان‌های بقای آن‌ها با آزمون رتبه لگاریتمی بررسی شد. برای انتخاب بهترین ساختار شبکه، با تغییر در مشخصه های شبکه الگوهای مختلف بررسی و با استفاده از سطح زیر منحنی ROC الگو مناسب انتخاب شد. برای تحلیل از نرم افزار SPSS نسخه 19 استفاده شد. در الگوی انتخاب شده، خطای پیش بینی برابر 37/7 درصد و سطح زیر منحنی راک برابر 0/732 به دست آمد. پیش‌بینی صحیح برای سانسور شدن 71/4 درصد و پیش بینی صحیح مرگ بیماران نیز 50 درصد به دست آمد. شبکه ی عصبی رویکردی مناسب برای پیش بینی بقای بیماران مبتلا به سرطان معده است و پیش‌بینی‌های آن می تواند در دسته بندی این بیماران استفاده شود.
کلیدواژه‌های فارسی مقاله سرطان معده، شبکه عصبی مصنوعی، تحلیل بقا‌
عنوان انگلیسی Artificial Neural Network in survival analysis of gastric cancer patients
چکیده انگلیسی مقاله Objective (s): Gastric cancer (GC) is the most prevalent cancer in men and third for women. The aim of this study was to analyze the survival of GC patients and then the prediction of death in these patients using a neural network model.Methods: This was a historical cohort study with data selected from 232 registered gastric cancer patients who underwent surgery between 2002 and 2007 at a referral center for gastrointestinal cancers, in Tehran, Iran. Prognostic factors of survival using Kaplan-Meier and Cox proportional hazards models were estimated. To analyze the data using the neural network, the data were divided randomly into two groups, training and testing sets, and homogeneous survival times were tested using log rank test. To select the best network structure, the characteristics of network models modified and the best model was selected using ROC analysis. The analysis was performed using SPSS version 19.Results: The median survival time of GC patients was 25.1 months. One and three year survival times of GC patients were 0.769 (CI 95%: 0.711, 0.833) and 0.256 (CI 95%: 0.185, 0.373), respectively. The prediction error was 37.7% and the area under the ROC was 0.732 at final model. True prediction for censorship and death were 71.4% and 50%, respectively.Conclusion: Neural network is an appropriate approach for predicting the survival of GC patients and its predictions can be used to classify these patients.
کلیدواژه‌های انگلیسی مقاله Gastric Cancer, Neural Network, Survival Analysis
نویسندگان مقاله محمدرضا گوهری | Mahmood Reza Gohari
Department of Biostatistics, Hospital management Research Center, Tehran University of Medical Sciences (TUMS), Tehran, Iran


پریسا مختاری | Parisa Mokhtari
Department of Biostatistics, Tehran University of Medical Sciences (TUMS), Tehran, Iran


محمد حسین پورحسینقلی | Mohammad Amin Pourhoseingholi
Department of Health System Research, Research Center of Gastroenterology and Liver Disease, Shahid Beheshti university of Medical Sciences, Tehran, Iran


اکبر بیگلریان | Akbar Biglarian
Department of Biostatistics, University of Social Welfare and Rehabilitation Sciences (USWRS), Tehran, Iran
نشانی اینترنتی http://acadserv.com/demojrn/browse.php?a_code=A-10-10-280&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده عمومی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات