بررسی تاثیر پارامترهای پیوسته در تشخیص بیماری عروق کرونر قلبی با استفاده از شبکه های عصبی مصنوعی

بیماری عروق کرونری قلب، از شایع ترین بیماری ها در جوامع مختلف است. بهترین روش ارزیابی بیماری کرونر قلبی آنژیوگرافی است. مطالعه حاضر با هدف بررسی تاثیر پارامترهای بیماری با استفاده از روش های هوشمند به منظور پیشگویی وضعیت عروق کرونری قلب انجام شده است.
این مطالعه از نوع تحلیلی بوده و پایگاه داده آن شامل 200 رکورد از نوع غیر قابل انتساب می باشد. در این پژوهش از شبکه های عصبی مختلف MLP و LVQ و BRبه منظور پیش بینی بسته بودن یا نبودن عروق کرونری قلب استفاده شده است. همچنین اهمیت تاثیر ریسک فاکتورهای پیوسته بیماری کرونر قلب مورد بررسی قرار گرفته است.
مهم ترین معیارهای سیستم های تشخیص بیماری، دو شاخص ویژگی (Specificity) و حساسیت (Sensitivity) می باشند. در این مطالعه، این دو شاخص در مرحله تست و آزمون مورد محاسبه قرار گرفتند. بهترین صحت مدل مربوط به شبکه عصبی پرسپترون چندلایه با قانون پس انتشار خطا و معادل 88 درصد بوده است. همچنین مشاهده شد که حذف پارامترهای گسسته در سرعت همگرایی شبکه عصبی تاثیر مثبت دارد و می تواند دقت پیش بینی را تا 85 درصد ارتقاء بخشد.
آنژیوگرافی یک روش تهاجمی است و علاوه بر هزینه گران آن همراه با ریسک هایی چون مرگ، سکته قلبی و سکته مغزی است. بنابراین باید از روش های غیر تهاجمی 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.