به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

gbc algorithm

در نشریات گروه پزشکی
تکرار جستجوی کلیدواژه gbc algorithm در مقالات مجلات علمی
  • مهدی نوشیار*، محمد مومنی، ثریا غراوی، فاطمه حورعلی
    مقدمه
    آگاهی از ابتلا به سرطان، احتمال بروز اختلالات عصبی و استرس در بیمار را افزایش می دهد. همچنین استرس خطر بروز آنفارکتوس قلبی را بیشتر می کند. مطالعه حاضر بر پایه الگوریتم GBC، به بررسی احتمال بروز سکته قلبی در بیماران سرطانی پرداخت.
    روش
    اطلاعات بیماران از پایگاه داده بیمارستان فوق تخصصی شهید صدوقی یزد جمع آوری شد. پرونده پزشکی 1679 بیمار مبتلا به آنفارکتوس قلبی مورد بررسی قرار گرفت که از این تعداد، 81 بیمار مبتلا به سرطان بودند. در فرآیند انتخاب ویژگی توسط مدل پیشنهادی، اگر ابتلا به سرطان به عنوان ویژگی تاثیرگذار شناسایی شود، آنگاه ارتباط بین سرطان و آنفارکتوس قلبی معنادار خواهد بود.
    نتایج
    با استفاده از مدل پیشنهادی، ویژگی ابتلا به سرطان برای پیش بینی امکان وجود احتمال بروز سکته قلبی انتخاب شد که نشان دهنده وجود رابطه معنادار بین این دو ویژگی در بیماران مستعد عارضه قلبی می باشد. نتایج نشان داد با انتخاب ویژگی ابتلا به سرطان، دقت پیش بینی مدل پیشنهادی برابر با 0/91 بود.
    نتیجه گیری
    با استفاده از انتخاب ویژگی ابتلا به سرطان، مدل پیشنهادی نسبت به سایر مدل های مورد مقایسه دارای حداقل میزان خطا و بیش ترین دقت و صحت در پیش بینی آنفارکتوس قلبی است. روش نایو بیز، حداکثر میزان خطا و کم ترین دقت را دارا است. نتایج شبیه سازی حاکی از احتمال بروز سکته قلبی، در بیماران مستعد عارضه قلبی، پس از خبردار شدن از بیماری سرطان طی ماه های اولیه خود است.
    کلید واژگان: سرطان، آنفارکتوس قلبی، GBC، ماشین بردار پشتیبان، افزایش دقت پیش بینی
    Mehdi Nooshyar *, Mohammad Momeni, Sorayya Gharravi, Fatemeh Hourali
    Introduction
    Awareness of cancer increases the probability of neurotic disorders and stress in the patient. Also, stress increases the risk of myocardial infarction. The present study aimed to determine the probability of a heart attack in cancer patients based on the GBC algorithm.
    Method
    In this study, data were collected from the database of Shahid Sadoughi subspecialty hospital in Yazd. The medical records of 1679 patients with heart attack were studied, of which 81 ones belonged to patients with cancer. In the process of selecting features by the proposed model, if cancer is identified as an effective feature, then the relationship between cancer and cardiac infarction will be meaningful.
    Results
    Using the proposed model, the cancer feature was selected to predict the probability of heart attack, which indicated a significant relationship between these two characteristics in patients who were vulnerable to cardiac disease. The predictive accuracy of the proposed model was 0.91
    Conclusion
    By choosing the cancer feature, the proposed model compared to other models has the least error rate and the most accuracy in predicting myocardial infarction. Naive bias method has maximum error rate and minimum accuracy. The simulation results indicate that in patients who are vulnerable to cardiac disease, after being diagnosed with cancer during the early months, heart attack is possible.
    Keywords: Cancer, Heart attack, GBC algorithm, Support Vector Machine, Increase precision of prediction
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال