تشخیص بیماری عروق کرونر قلبی با استفاده از روش مبتنی بر عصبی فازی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
زمینه و هدف
بیماری عروق کرونری قلب، از شایع ترین بیماری ها در جوامع مختلف است. یکی از بهترین روش های ارزیابی این بیماری آنژیوگرافی است که نوعی روش تهاجمی است و علاوه بر هزینه گران آن همراه با خطراتی نظیر مرگ، سکته قلبی و مغزی است. مطالعه حاضر باهدف ارائه مدل عصبی فازی به منظور کمک به پزشک در پیش بینی وضعیت عروق کرونر قلبی انجام شده است.
روش ها
این مطالعه از نوع تشخیصی بوده و پایگاه داده آن مشتمل بر 200 نفر از مراجعین به مرکز تخصصی قلب و عروق شهرستان تربت حیدریه انجام شده که شامل 13 عامل خطر از نوع غیرقابل انتساب می باشد. در این پژوهش مدل هایی مبتنی بر روش های داده کاوی جهت تشخیص بیماری عروق کرونر قلبی ارائه شده است. مدل سازی به کمک شبکه های عصبی مصنوعی و سپس شبکه های عصبی فازی و در نهایت خوشه بندی فازی انجام گرفت.
نتایج
خطای محاسبه شده بر اساس روش میانگین مربعات خطا در روش شبکه عصبی مصنوعی و شبکه های عصبی فازی به ترتیب 0/2574P= و 0/0007P= بدست آمد.
نتیجه گیری
از آنجایی که آنژیوگرافی یک روش تهاجمی است و با خطرات متعددی همراه است، باید از روش های غیرتهاجمی استفاده شود که پیش بینی بر اساس آن ها دارای کمترین خطا و بیشترین اطمینان باشد. استفاده از روش های نوین داده کاوی می تواند به کاهش این عوارض کمک کند.
زبان:
فارسی
صفحات:
48 تا 59
لینک کوتاه:
magiran.com/p1960480 
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!