ارائه روشی جدید در طبقه بندی نتایج آنژیوگرافی با استفاده از شبکه عصبی مصنوعی

تحقیقات نشان می دهد، معمولا برای تشخیص بیماری عروق کرنری، آنژیوگرافی مورد اقبال بیشتری قرار گرفته است. در این مقاله با استفاده از شبکه عصبی مصنوعی نتایج حاصل از آنژیوگرافی برای بررسی بسته بودن یا نبودن عروق کرنری قلب طبقه بندی شده است.
روش پژوهش: این تحقیق، در سال 1392 در بیمارستان کوثر شیراز انجام شد. جامعه آماری این پژوهش افرادی بودند که در شهریور ماه سال 1392 تحت آنژیوگرافی عروق کرنری قلب قرار گرفتند که تعداد 152 نفر از این افراد به طور تصادفی انتخاب شدند. در این پژوهش از شبکه عصبی پرسپترون چند لایه (MLP) و شبکه عصبی احتمالی (PNN) برای طبقه بندی افراد به دو دسته سالم و بیمار استفاده شد. برای طراحی شبکه، از 85 درصد داده ها برای مرحله آموزش شبکه و 15 درصد باقی مانده برای مرحله آزمون شبکه استفاده شد. بزای پیاده سازی شبکه از امکانات و توابع موجود در نرم افزار متلب نسخه 7.12.0 بهره گرفته شده و در سیستم corei5 با پردازنده 2.4 GHz و حافظه 4GB تحت ویندوز 7 شبیه سازی انجام شده است.
پس از شبیه سازی های انجام شده بر دو شبکه عصبی مصنوعی پرسپترون و احتمالی، شاخص های اختصاصیت (specificity) و حساسیت (sensitivity) در مرحله آزمون شبکه پرسپترون به ترتیب معادل اعداد 0/88 و 1 ودر شبکه احتمالی به ترتیب معادل اعداد 0/94 و 1 به دست آمد.در مرحله آموزش شبکه عصبی احتمالی تنها از یک دور جهت آموزش شبکه استفاده شدکه این از مزایای شبکه عصبی احتمالی است درحالی که در شبکه عصبی پرسپترون با ساختار به کاررفته در این مقاله از 1000 دور جهت آموزش شبکه استفاده شد.
اختصاصیت و حساسیت به دست آمده در این تحقیق نشان داد، استفاده از شبکه عصبی احتمالی می تواند در طبقه بندی افراد به دو دسته سالم و بیمار و تشخیص سریع تر بیماری، با دقت بهتری نسبت به موارد مشابه عمل کند.