افزایش دقت و سرعت پیش بینی نتایج آنژیوگرافی با استفاده از ترکیب سیستم استنتاج عصبی-فازی و الگوریتم بهینه سازی ازدحام ذرات بر اساس داده های شهریور ماه سال 1392 بیمارستان کوثر شیراز

امروزه استفاده از یافته های هوش مصنوعی و داده کاوی برای کمک به پیش بینی زودهنگام بیماری عروق کرنری قلب مورد توجه پزشکان قرار گرفته است. هدف از این مقاله افزایش دقت و سرعت پیش بینی نتایج آنژیوگرافی با سیستم استنتاج فازی و الگوریتم بهینه سازی ازدحام ذرات است. در این مقاله سیستم جدیدی با ترکیب استنتاج فازی و الگوریتم بهینه سازی ازدحام ذرات پیشنهاد و با نرم افزار MATLAB نسخه 2015 (197613/0/5/8) شبیه سازی گردیده است. جامعه آماری این پژوهش شامل 152 رکورد از اطلاعات پایگاه داده واقعی افرادی بود که در شهریورماه سال 1392 شمسی در بیمارستان کوثر شیراز تحت آنژیوگرافی عروق کرنری قرار گرفته بودند. داده های جمع آوری شده با نرم افزار اکسل نسخه 2010 آنالیز شده و پارامترهای مورد نیاز سیستم پیشنهادی محاسبه گردید. یافته های پژوهش: داده ها به 20 دسته، شامل داده های آموزش و آزمون متفاوت، به صورت تصادفی از کل مجموعه داده تقسیم شدند. در هر دسته، 85 درصد برای مرحله آموزش و 15 درصد باقیمانده برای مرحله آزمون در نظر گرفته شد و شبیه سازی برای هر دسته داده به طور جداگانه صورت گرفت. نتایج حاصل بر اساس شاخص های حساسیت، اختصاصیت، دقت و صحت در دسته بندی افراد، به طور میانگین به ترتیب معادل اعداد 8422/0، 9192/0، 8554/0 و 8888/0 بوده است و در بهترین حالت معادل عدد 1 به دست آمده است. بحث و نتیجه گیری: نتایج نشان می دهد سیستم پیشنهادی عملکرد مناسبی در پیش بینی نتایج آنژیوگرافی دارد و می تواند به منظور دسته بندی افراد به دو کلاس نرمال و بیمار استفاده شود. به کارگیری سیستم عصبی-فازی و ترکیب آن با الگوریتم بهینه سازی ازدحام ذرات موجب بهبود سرعت و دقت در این مطالعه شده است.