شماره ركورد كنفرانس :
4227
عنوان مقاله :
پيش بيني بقاء بيماران مبتلا به لوسمي حاد با استفاده از شبكه هاي عصبي مصنوعي
پديدآورندگان :
ماروسي علي ali_maroosi@yahoo.com دانشگاه تربت حيدريه; , شوريابي محمد mohammad.shouryabi92@gmail.com دانشگاه تربت حيدريه; , حسيني تشنيزي سعيد saeed.teshnizi@gmail.com دانشگاه علوم پزشكي هرمزگان;
تعداد صفحه :
10
كليدواژه :
لوسمي حاد , شبكه عصبي مصنوعي , پرسپترون , تحليل بقا
سال انتشار :
1395
عنوان كنفرانس :
چهارمين كنفرانس ملي پژوهش هاي كاربردي در مهندسي كامپيوتر و پردازش سيگنال - cesp95
زبان مدرك :
فارسي
چكيده فارسي :
لوسمي حاد، بدخيمي هايي با سير پيش رونده سريع هستند كه پيش سازهاي آن ها سلول هاي لنفوئيدي و يا ميلوئيدي است. مطالعه عوامل پيش آگهي دهنده بر بقا و درمان اين بيماري از اهميت ويژه اي در تحقيقات پزشكي برخوردار مي باشد لذا اين مطالعه با هدف تحليل بقاي بيماران مبتلا به لوسمي حاد و در ادامه پيش بيني مرگ اين بيماران با استفاده از الگوي شبكه عصبي است. در يك مطالعه گذشته نگر با مراجعه و انتخاب كليه پرونده هاي بيماران مبتلا به لوسمي حاد بيمارستان سيدالشهدا اصفهان، اطلاعات 197 بيمار به وسيله يك چك ليست جمع آوري و با تماس تلفني از وضعيت نهايي آن ها (مرده يا زنده) مطلع شديم. پس از جمع آوري داده ها از شبكه عصبي مصنوعي پرسپترون چند لايه با الگوريتم پس انتشار خطا جهت تحليل وضعيت بقاء و پيش بيني مرگ بيماران لوسمي حاد استفاده شده است. براي تحليل اطلاعات از نرم افزارهاي اس پي اس اس 19 و متلب استفاده شد. از بين شبكه هاي عصبي مختلف براي پيش بيني بقا كه از نظر تعداد نورون ها و وزن اوليه با هم متفاوت هستند، شبكه عصبي با 47 نورون در لايه مياني و وزن اوليه 9 به عنوان مدل برتر انتخاب شد كه كارايي اين شبكه 73.8% مي باشد. همچنين براي پيش بيني وضعيت نهايي بيماران، شبكه عصبي با 67 نورون در لايه مياني و وزن اوليه 091418351 به عنوان بهترين مدل انتخاب شد كه دقت اين شبكه 88.83% مي باشد. به دليل دقت بالاي مدل هاي شبكه عصبي در پيش بيني، استفاده از مد ل هاي مختلف شبكه عصبي در پيش بيني بقا و توسعه آن ها در حوزه هاي مختلف علوم پزشكي پيشنهاد مي شود همچنين در شبكه عصبي افزون بر تغيير تعداد لايه ها و نورون هاي هر لايه مي توان وزن اوليه كه توسط شبكه به صورت تصادفي انتخاب مي شود را تغيير داد.
كشور :
ايران
لينک به اين مدرک :
بازگشت