دوره 3، شماره 4 - ( 12-1397 )                   جلد 3 شماره 4 صفحات 320-331 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Rezaenoor J, Saadi G, Akbari A. Design of a Decision Support System to Diagnose and Predict Heart Disease using Artificial Neural Network; a case study (Ayatollah Golpayegani Hospital in Qom). Manage Strat Health Syst. 2019; 3 (4) :320-331
URL: http://mshsj.ssu.ac.ir/article-1-243-fa.html
رضایی نور جلال، سعدی غفران، اکبری امیرحسین. طراحی سیستم تصمیم یار جهت تشخیص و پیش بینی بیماری قلبی با استفاده از شبکه عصبی مصنوعی؛ مطالعه موردی (بیمارستان آیت الله گلپایگانی قم). راهبردهای مدیریت در نظام سلامت. 1397; 3 (4) :320-331

URL: http://mshsj.ssu.ac.ir/article-1-243-fa.html


دانشیار، گروه مهندسی صنایع، دانشکده فنی و مهندسی، دانشگاه قم، قم، ایران
چکیده:   (352 مشاهده)
زمینه و هدف: با توجه به شیوع زیاد بیماری‌های قلبی عروقی در کشور و زیاد بودن بار مرگ و میر این بیماری، پیش بینی صحیح وضعیت بیماری افراد از اهمیت زیادی برخوردار است، لذا برای این پیش بینی بایستی از مدل‌هایی استفاده کرد که دارای حداقل خطا و حداکثر اطمینان باشد. از اینرو در این مطالعه از روش شبکه عصبی مصنوعی جهت ارزیابی مبتلا بودن افراد به سکته قلبی و نارسایی احتقانی استفاده شد.
روش پژوهش: در مطالعه مقطعی حاضر ابتدا تمام پرونده‌های 2 سال اخیر بیماران قلبی بیمارستان آیت الله گلپایگانی قم ( 497 نفر) مورد بررسی قرار گرفت. 19 ویژگی مهم از پرونده‌ها استخراج و از شبکه عصبی مصنوعی پرسپترون چند لایه با الگوریتم پس انتشار خطا جهت ارزیابی وضعیت بیماری قلبی استفاده شد. تابع انتقال سیگموئید و تانژانت سیگموئید انتخاب و با تعداد 19 نورون لایه ورودی، 6 نورون لایه میانی و 75 درصد داده‌های موجود، شبکه عصبی در Matlab آموزش داده شد.
یافته‌ها: در ابتدا میانگین مربعات خطا 0/35 بود که با نرمال‌ سازی داده‌ها از طریق روش کمینه بیشینه به 0/04 کاهش یافت و مدل ارائه شده به دقت 89/50 درصد دست پیدا کرد. با توجه به نتایج به دست آمده و مناسب بودن مقادیر حساسیت و ویژگی، مدل پیشنهادی می‌تواند سکته قلبی و نارسایی احتقانی را به درستی طبقه بندی کند.
نتیجه گیری: این مطالعه شبکه عصبی را طراحی کرد که با دقت مناسب بیماری قلبی را پیش بینی کرد. این پیش بینی بر اساس استفاده از یک سری متغیرهای فردی و بالینی مانند سن، جنسیت، تنگی نفس، تغییرات فشارخون و تعدادی آزمایش خون انجام شد. در این پژوهش سعی شد که از فاکتورهای مهم و کم هزینه جهت پیش بینی بیماری قلبی استفاده شود به‌طوریکه با کمترین هزینه شخص می‌تواند از بیماری خود اگاهی پیدا کند.
متن کامل [PDF 1186 kb]   (100 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي
دریافت: ۱۳۹۷/۱۲/۱۵ | پذیرش: ۱۳۹۷/۱۲/۱۵ | انتشار: ۱۳۹۷/۱۲/۱۵

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

کلیه حقوق این وب سایت متعلق به مجله راهبردهای مدیریت در نظام سلامت می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Management Strategies in Health System

Designed & Developed by : Yektaweb