این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت اطلاعات سلامت، جلد ۹، شماره ۴، صفحات ۴۵۷-۴۶۴
عنوان فارسی طراحی سیستم تصمیم‌یار بالینی مبتنی بر شبکه‌ی عصبی مصنوعی به منظور کشف اولیه‌ی سرطان از بزرگی خوش‌خیم پروستات
چکیده فارسی مقاله مقدمه: در سال‌های اخیر مفاهیم شبکه‌های عصبی مصنوعی در کشف اولیه و طبقه‌بندی بیماری‌ها متحمل پیشرفت‌های فراوانی شده است. استفاده از شبکه‌های عصبی به دلیل توانایی‌های بالقوه‌ی آن درکاربردهای پزشکی و در پیدا کردن کنش بین متغیرها، تشخیص و مدل‌سازی بیماری‌ها به طور وسیعی مقبول واقع شده است. هدف از این پژوهش، طراحی و پیاده‌سازی سیستم تصمیم‌‌یار مبتنی بر شبکه‌های عصبی مصنوعی به منظور کشف اولیه‌ی سرطان پروستات بود. روش بررسی: پژوهش حاضر از نوع کاربردی و جامعه‌ی هدف آن متشکل از 360 بیمار مبتلا به ناهنجاری‌های پروستات بودند که در فواصل سال‌های 90-1388 به بخش اورولوژی بیمارستان امام خمینی (ره) شهر تهران مراجعه نمودند. در این پژوهش به منظور ارزیابی عملکرد سیستم طراحی شده، از شاخص‌های حساسیت، ویژگی و صحت در طبقه‌بندی استفاده گردید. در طراحی هسته‌ی محاسباتی سیستم تصمیم‌یار بالینی در کشف اولیه‌ی سرطان پروستات از بزرگی خوش‌خیم آن، از الگوریتم شبکه‌ی عصبی گرادیان توأم مدرج (Scaled conjugate gradient) استفاده شد. یافته‌ها: شاخص‌های عملکردی این سیستم، ویژگی و حساسیت بودند و عملکرد سیستم تصمیم‌یار بالینی پیشنهاد شده بر اساس این شاخص‌ها به ترتیب عبارت از 06/97 و 11/92 درصد بود. نتایج سیستم تصمیم‌یار در تشخیص و طبقه‌بندی بیماری‌های نئوپلازی پروستات، حاکی از پتانسیل بالای سیستم‌های مبتنی بر شبکه‌های عصبی به عنوان ابزاری قوی در طبقه‌بندی ناهنجاری‌های پروستات بود. نتیجه‌گیری: در این پژوهش یک سیستم تصمیم‌یار پزشکی با هدف یاری رساندن به متخصصین در تشخیص و طبقه‌بندی بیماری‌های نئوپلازی پروستات طراحی گردید. سیستم‌های هوشمند پزشکی بر مبنای هوش مصنوعی و به خصوص شبکه‌های عصبی، می‌توانند به پزشکان در تشخیص دقیق سرطان پروستات و بزرگی خوش‌خیم آن کمک نمایند. با استفاده از این سیستم‌ها، بیوپسی‌های غیر ضروری و هزینه‌های تشخیصی کاهش می‌یابد. به علاوه، این سیستم‌ها می‌توانند در به حداقل رساندن زمان فرایندهای تشخیصی بیماری‌ها مؤثر واقع شوند.
کلیدواژه‌های فارسی مقاله سیستم تصمیم‌یار، سرطان پروستات، شبکه‌ی عصبی مصنوعی، حساسیت، ویژگی،
عنوان انگلیسی Designing a Clinical Decision Support System Based on Artificial Neural Network for Early Detection of Prostate Cancer and Differentiation from Benign Prostatic Hyperplasia *
چکیده انگلیسی مقاله Introduction: In recent years, the concepts of artificial neural networks (ANN) have extensivelyundergone remarkable development in early detection and classification of diseases such asbenign prostatic hyperplasia (BPH). The usage of ANN has become widely accepted in medicalapplications owing to its potential capabilities for detecting the complex interactions amongvariables, diagnosis and diseases’ modeling. The present study aimed to design and implement adecision support system (DSS) based on ANN for early detection of prostate cancer.Methods: This survey design was conducted through data collection among 360 males withprostate abnormalities in Urology Department of Imam Khomeini Hospital, Tehran, Iran, fromJanuary 2008 to March 2011. In order to assess the performance and accuracy of the designedsystem, sensitivity, specificity and receiver-operating characteristics (ROC) curve were used asthe indicators of distinguishing prostate cancers from BPH. In order to implement DSS in thisstudy, scaled conjugate gradient (SCG) algorithm was used as the main algorithm for earlydetection of prostate cancer from benign prostate.Results: The proposed intelligent ANN-based system can be used as a strong diagnostic tool with97.0% specificity and 92.1% sensitivity for detecting the prostate cancer and to differentiate itfrom BPH. The results indicated a high potential of artificial neural network as a strong tool inclassification of prostatic neoplasia diseases.Conclusion: A medical decision support system was used aiming to help medical experts in theirclassification and early detection of prostatic neoplasia disorders in the present study. Suchartificial intelligent-based medical intelligent systems, particularly for neural networks, can helpphysicians in accurate decision-making concerning prostate cancer and BPH. Using suchsystems, specialists would be able to eliminate or minimize unnecessary biopsy and reducediagnostic costs. In addition, such systems can accelerate the diagnostic detection time.
کلیدواژه‌های انگلیسی مقاله سیستم تصمیم‌یار, سرطان پروستات, شبکه‌ی عصبی مصنوعی, حساسیت, ویژگی
نویسندگان مقاله مصطفی قادرزاده |
کارشناس ارشد، مدیریت اطلاعات سلامت، دانشکده ی مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران

فرحناز صدوقی |
دانشیار، مدیریت اطلاعات بهداشتی درمانی، دانشکده ی مدیریت و اطلاع‌رسانی پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران

آروین کتابت |
کارشناس ارشد، مدیریت اطلاعات سلامت، دانشکده ی مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران

نشانی اینترنتی https://him.mui.ac.ir/article_12108_6b9a2eefb8ea9abc3df07255b5ffcb71.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات