Repository of Research and Investigative Information

Repository of Research and Investigative Information

Hormozgan University of Medical Sciences

طراحی و ارزیابی یک سیستم پشتیبان تصمیم برای پیش‌بینی بیماری عروق کرنری قلب

(2016) طراحی و ارزیابی یک سیستم پشتیبان تصمیم برای پیش‌بینی بیماری عروق کرنری قلب. Hormozgan Medical Journal.

[img]
Preview
Text
hmj-v19n6p399-en.pdf

Download (453kB) | Preview

Official URL: http://hmj.hums.ac.ir/article-1-1550-en.html

Persian Abstract

مقدمه: ازآنجا که در تحقیقات علوم پزشکی مسئله سلامت انسان مطرح است، پیش بینی درست نتایج اهمیت بیشتری می یابد. در این مقاله از شبکه عصبی احتمالی جهت پیش بینی وضعیت عروق کرنری قلب استفاده شده است. روش کار: در این مطالعه توصیفی - تحلیلی، جامعه آماری شامل 150 نفر بیمار مرکز فوق تخصصی قلب مازندران بود. مدل پیش بینی وضعیت عروق کرنری قلب با استفاده از شبکه عصبی احتمالی (PNN) تولید شد. برای طراحی شبکه، از 80 درصد داده ها جهت مرحله آموزش شبکه و 20 درصد باقیمانده جهت مرحله آزمون شبکه استفاده شده است. به منظور پیاده سازی شبکه از امکانات و توابع موجود در نرم افزار متلب نسخه 0/12/7 بهره گرفته شده و بر سیستم corei5 با پردازنده 2.4 GHz و حافظه 4GB تحت ویندوز 7 شبیه سازی انجام شده است. نویسنده مسئول: آسیه خسروانیان گروه مهندسی کامپیوتر و فناوری اطلاعات، انشگاه پیام نور ایران تلفن: 1038258 917 98+ پست الکترونیکی: khosravanian.a@gmail.com نتایج: پس از 5 مرتبه شبیه سازی و مقایسه مدل های تولیدشده، عملکرد شبکه عصبی احتمالی پیاده سازی شده بر اساس شاخص های عملکردی اختصاصیت (specificity) و حساسیت (sensitivity)، در مرحله آزمون شبکه معادل عدد یک به دست آمد و در نهایت توانستیم افراد سالم و افرادی که دچار بیماری عروق کرنری بودند را با دقت بهتری نسبت به موارد مشابه قبلی طبقه بندی کنیم. نتیجه گیری: اختصاصیت و حساسیت به دست آمده از این شبیه سازی نشان داد که استفاده از شبکه عصبی احتمالی می تواند جایگزین مناسبی برای آنژیوگرافی در پیش بینی بیماری عروق کرنری قلب باشد و از عوارض و آسیب های احتمالی آنژیوگرافی جلوگیری نماید.

Title

Designing and evaluation of a decision support system for prediction of coronary artery disease

Abstract

Introduction: Since human health is the issue of Medical Research, correct prediction of results is of a high importance. This study applies probabilistic neural network (PNN) for predicting coronary artery disease (CAD), because the PNN is stronger than other methods. Methods: In this descriptive-analytic study, The PNN method was implemented on 150 patients admitted to the Mazandaran Heart Center, sari. For designing the network, 80 of the data were used for stage of network training, and the remained 20 were used for stage of network testing. In order to implement the network, facilities and functions existing in MATLAB 7.12.0 were used and simulation was conducted in a PC with configurations of corei5 CPU, 2GHz processor, 4GB ram, under operating system of Windows 7. Correspondence: A. Khosravanian, MSc. Department of Computer and Engineering and IT, Payam Noor University. Iran Tel:+98 9171038258 Email: khosravanian.a@gmail.com Results: After 5 times simulation and comparison of the models produced, sensitivity and specificity rates obtained were 1 and 1. In the end, model correctly categorized some healthy subjects who did not need angiography and the treatment related to coronary artery disease. Conclusion: Due to the high specificity index, this model prevents side effects of angiography in patients who don't need such treatments. Moreover, due to high sensitivity, it can diagnose the patients who really need such diagnostic measures.

Item Type: Article
Keywords: Coronary Artery Disease, Prediction, Probabilistic Neural Network
Persian Keywords: بیماری عروق کرنری, پیش‌بینی, شبکه عصبی احتمالی
Subjects: general
Divisions: Research Vice-Chancellor Department > Hormozgan Medical Journal
Depositing User: مهندس مهدی شریفی
URI: http://eprints.hums.ac.ir/id/eprint/555

Actions (login required)

View Item View Item