این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مدیریت اطلاعات سلامت، جلد ۱۲، شماره ۱، صفحات ۳-۱۳
عنوان فارسی ارائه یک سیستم هوشمند در تشخیص بیماری عروق کرونری قلب با استفاده از شبکه عصبی احتمالی
چکیده فارسی مقاله مقدمه: انتخاب روش مناسب برای مدلسازی و تحلیل داده های سلامت و بهداشت، مبتنی بر نوع داده های موجود، بسیار مهم و در مواردی بسیار حساس است. تحقیق حاضر با هدف بررسی بسته بودن یا نبودن عروق کرونری قلب بر اساس شبکه عصبی احتمالی انجام شد. نتایج این تحقیق نشان داد که در جامعه آماری مورد مطالعه، شبکه های عصبی احتمالی بهتر و قوی تر از سایر شبکه های عصبی در تشخیص بیماری عمل کرده اند. روش بررسی: این تحقیق، از نوع تشخیصی بود و در سال 1392 شمسی در بیمارستان کوثر شیراز انجام شد جامعه آماری این پژوهش افرادی بودند که در شهریور ماه سال 1392 شمسی تحت آنژیوگرافی عروق کرونری قلب قرار گرفتند که تعداد 152 نفر از این افراد به طور تصادفی انتخاب شدند. در این پژوهش از شبکه عصبی احتمالی (PNN) به منظور پیش بینی بیماری عروق کرونری قلب استفاده شد. برای طراحی شبکه، از 85 درصد داده ها جهت مرحله آموزش شبکه و 15 درصد باقیمانده جهت مرحله آزمون شبکه استفاده شد. به منظور پیاده سازی شبکه از امکانات و توابع موجود در نرم افزار MATLAB نسخه 7.12.0 بهره گرفته شده و بر سیستم corei5 با پردازنده 2.4 GHz و حافظه 4GB تحت ویندوز 7 شبیه سازی انجام شده است. یافته ها: شاخص های عملکردی این سیستم، اختصاصیت ( specificity ) و حساسیت ( sensitivity ) بودند. عملکرد سیستم ارائه شده بر اساس این شاخص ها در مرحله آزمون شبکه به ترتیب معادل اعداد 0.94 و یک به دست آمد. در نهایت سیستم طراحی و پیاده سازی شده توانست با دقت بهتری نسبت به تحقیقات مشابه در این زمینه افراد دارای بیماری عروق کرونری را تشخیص دهد. نتیجه گیری: استفاده از شبکه های عصبی احتمالی می تواند با دقت بهتری در تشخیص بیماری عروق کرونری قلب به کار رود. این روش به علت اختصاصیت و حساسیت بالا می تواند از عوارض و آسیب های احتمالی آنژیوگرافی در بیمارانی که نیاز به آن ندارند، جلوگیری نماید. همچنین می تواند بیمارانی را که واقعا به این اقدامات تشخیصی نیاز دارند در سریعترین زمان و بیشترین دقت مشخص نماید.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Presentinganintelligent systemfor diagnosis ofcoronary heart disease By using Probabilistic Neural Network
چکیده انگلیسی مقاله Introduction: Selecting an appropriate method for modeling and analyzing health data based on available data is very crucial. This study was conducted according to Probabilistic Neural Network (PNN) to detect if the coronary artery is closed or not. Methods: This study was diagnostic and it was implemented on patients of Kowsar Hospital in Shiraz, Iran who were exposed to Coronary artery angiography in September 2013. The number of population was calculated based on related formulation and the division of neurons in hidden layer by error rate of 0.1. Therefore, 152 patients were randomly selected for this research. In these implementations, 85% of data was used for training phase of network and 15% for the test phase. In this study, Probabilistic Neural Network (PNN) was used for prediction of coronary artery disease. The proposed neural network was implemented through facilities and functions of MATLAB software (7.12.0version) and simulated by a system of core i5, 2.4 GHz processor and 4GB memory and windows7 as operating system. Results: Performance indicators of this system were sensitivity and specificity. The presented system performance on the basis of these indicators was achieved1 and 0.94, respectively. Ultimately, the designed and implemented system could confirm its superiority for diagnosis of patients of coronary artery according to similar studies. Conclusion: The results of this research indicated that in the studied population, probabilistic neural networks could achieve more accurate diagnosis for coronary heart disease comparing other studied neural networks. Due to high specificity and sensitivity of the system, it can prevent the possible side effects and injuries of angiography for the patients who don’t need it. And also, it can distinguish the patients who really need diagnostic actions in the least time and the most accuracy.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله آسیه خسروانیان | asieh khosravanian
کارشناسی ارشد، مهندسی کامپیوتر، گروه علمی مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، ایران

سید سعید آیت | seyed saeed ayat
دانشگاه پیام نور

نشانی اینترنتی http://him.mui.ac.ir/index.php/him/article/view/1664
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده مقاله پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات