رده بندی نتایج آنژیوگرافی با ترکیب شبکه عصبی- فازی و الگوریتم ژنتیک

نویسنده:
چکیده:
مقدمه
بیماری عروق کرونری قلب ازجمله بیماری هایی است که تشخیص زودهنگام آن امری حیاتی است. مطالعات نشان می دهد روش های نوین هوش مصنوعی در پیش بینی و تشخیص بیماری ها به طور گسترده موردتوجه محققان قرارگرفته است. هدف از این پژوهش، رده بندی نتایج آنژیوگرافی به دو دسته طبیعی و غیرطبیعی با استفاده از روش های هوش مصنوعی است.
مواد و روش ها
در این مطالعه از یک مجموعه داده شامل 152 بیمار که تحت آنژیوگرافی عروق کرونری قلب قرارگرفته بودند، استفاده شد. به منظور رده بندی نتایج حاصل از آنژیوگرافی عروق کرونری قلب از ترکیب شبکه عصبی- فازی و الگوریتم ژنتیک استفاده شد. سیستم پیشنهادی در نرم افزار MATLAB پیاده سازی شد و مورد ارزیابی قرار گرفت.
نتایج
در پیاده سازی انجام شده، از 85 درصد داده ها جهت مرحله آموزش شبکه عصبی- فازی و 15 درصد باقیمانده جهت مرحله آزمون استفاده شد. نتایج حاصل از شبیه سازی در شاخص های صحت، دقت، حساسیت و اختصاصیت در حالت میانگین به ترتیب 9496/0، 9253/0، 9435/0 و 9569/0 و در بهترین حالت برای هر شاخص معادل عدد 1 به دست آمده است.
نتیجه گیری
استفاده از الگوریتم ژنتیک در فرآیند آموزش شبکه عصبی- فازی موجب بهبود سرعت در این شبیه سازی شد. همچنین بالا بودن شاخص های به دست آمده عملکرد مناسب سیستم پیشنهادی در رده بندی و تشخیص افراد مبتلا به بیماری عروق کرونری قلب را تایید می کند.
زبان:
فارسی
صفحات:
1 تا 8
لینک کوتاه:
magiran.com/p1752946 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!