ارزیابی بیماری عروق کرونری قلب با استفاده از شبکه عصبی مصنوعی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,107

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CITH01_015

تاریخ نمایه سازی: 9 شهریور 1391

چکیده مقاله:

از آنجا که درعلوم پزشکی مسالهسلامت انسان دارای اهمیت است پیش بینی صحیح افراد برحسب وضعیت بیماری اهمیت زیادی دارد بایستی حتی الامکان از آن دسته مدلهایی استفاده کرد که پیش بینی براساس آنها دارای حداقل خطا و حداکثر اطمینان باشد لذا ما از روش شبکه عصبی مصنوعی که روش قویتر نسبت به روشهای موجود است جهت ارزیابی بسته بودن یا نبودن عروق کرونری قلب استفاده نمودیم دراین تحقیق از شبکه عصبی مصنوعی پرسپترون چندلایه MLP با الگوریتم پس انتشار خطا EBP جهت ارزیابی بیماری عروق کرونری قلب دربین 150 نفر بیماران مرکز فوق تخصصی قلب مازندران واقع درشهرستان ساری استفاده نموده ایم سپس شبکه عصبی مصنوعی با ساختار 1-12-14 NN تابع انتقال سیگموئید و 1500 سیکل آموزشی براساس 80 درصد داده های موجود با استفاده از نرم افزار شبکه عصبی مصنوعی Pythia - Neural Network طراحی و آموزش داده شد این روش از عوارض و آسیب های احتمالی آنژیوگرافی به علت ویژگی بالای بدست آمده برای بیمارانی که نیاز به آن ندارند جلوگیری می نماید.

کلیدواژه ها:

بیماری عروق کرونری قلب ، شبکه عصبی مصنوعی ، پرسپترون چندلایه

نویسندگان

محمد هادی اسماعیلی

کارشناسی ارشد آمار زیستی دانشگاه علوم پزشکی مازندران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Robert A. Dunne. A Statistical Approach to Neural Networks for ...
  • David J. Livingstone. Artificial Neural Networks Methods and Application. Hummana ...
  • Zini G , d'Onofrio G, Neural network in hematopoietic malignancies. ...
  • Sargent DJ. Comparison of artificial neural networks with other statistical ...
  • Dreiseitl S, Ohno-Machado L. Logistic regression and artificial n e ...
  • Jae H. Song, Santosh S. Venkatesh, Emily A , et ...
  • andArtificial Neural Network for C omputer-Aided Diagnosis of Breast Masses, ...
  • Jacob George, Yair Levy, Boris Gilburd, et al. The prediction ...
  • Catherine T Falk , Risk factors for coronary artery disease ...
  • Determining Important Predictors of In-Hospital Mortality After Coronary Artery Bypass ...
  • Comparison of Artificial Neural Network and COX Regression Models in ...
  • F, Determining of prognostic factors in gastric cancer patients using ...
  • Fundamentals of Neural Networks, Amir Kabir University PRESS 2008. [22] ...
  • M. Ali Atct, Necati Alasulu, Radial Basis Function Neural Network ...
  • Comparing performances of logistic regression, classification and regression tree, and ...
  • early phase of atheroscleros. using principles component analysis and artificial ...
  • Neural Network Models for Prediction of Acute Coronary Syndromes Using ...
  • Ilkay, An intelligent system for diagnosis of the heart valve ...
  • Biglarian A., Babaee G.R., Azmie R (2004). ...
  • نمایش کامل مراجع