عنوان مقاله :
تشخيص بيماري عروق كرونر قلبي با استفاده از روش مبتني بر عصبي فازي
عنوان به زبان ديگر :
Diagnosis of Coronary Artery Disease using Neuro-fuzzy-based Method
پديد آورندگان :
ذباح، ايمان دانشگاه آزاد اسلامي تهران شمال - گروه مهندسي كامپيوتر , لايقي، كامران دانشگاه آزاد اسلامي تهران شمال - گروه مهندسي كامپيوتر , كوه جاني، زهرا دانشگاه علوم پزشكي شيراز - دانشكده مديريت و اطلاع‌رساني پزشكي , ماروسي، علي دانشگاه تربت حيدريه - دانشكده فني و مهندسي - گروه مهندسي كامپيوتر
كليدواژه :
عروق كرونري قلب , شبكه عصبي مصنوعي , تكنيك نروفازي , خوشه بندي فازي
چكيده فارسي :
زمينه و هدف: بيماري عروق كرونري قلب، از شايع ترين بيماريها در جوامع مختلف است. يكي از بهترين روش هاي ارزيابي اين بيماري آنژيوگرافي است كه نوعي روش تهاجمي است و علاوه بر هزينه گران آن همراه با خطراتي نظير مرگ، سكته قلبي و مغزي است. مطالعه حاضر باهدف ارائه مدل عصبي‌فازي به‌منظور كمك به پزشك در پيش‌بيني وضعيت عروق كرونر قلبي انجام شده است.
روش ها: اين مطالعه از نوع تشخيصي بوده و پايگاه داده آن مشتمل بر 200 نفر از مراجعين به مركز تخصصي قلب و عروق شهرستان تربت‌حيدريه انجام‌شده كه شامل 13 عامل خطر از نوع غيرقابل انتساب ميباشد. در اين پژوهش مدلهايي مبتني بر روشهاي داده كاوي جهت تشخيص بيماري عروق كرونر قلبي ارائه‌شده است. مدل‌سازي به كمك شبكه هاي عصبي مصنوعي و سپس شبكه هاي عصبي فازي و در نهايت خوشه بندي فازي انجام گرفت.
نتايج: خطاي محاسبه‌شده بر اساس روش ميانگين مربعات خطا در روش شبكه عصبي مصنوعي و شبكه هاي عصبي‌فازي به ترتيب 0/257=P و 0/0007=P بدست آمد.
نتيجه گيري: از آنجايي كه آنژيوگرافي يك روش تهاجمي است و با خطرات متعددي همراه است، بايد از روشهاي غيرتهاجمي استفاده شود كه پيش بيني بر اساس آن‌ها داراي كمترين خطا و بيشترين اطمينان باشد. استفاده از روش هاي نوين داده كاوي ميتواند به كاهش اين عوارض كمك كند
چكيده لاتين :
Background & Aim: Coronary artery disease is one of the most
common diseases in different societies. Coronary angiography is
established as one of the best methods for diagnosis of this disease.
Angiography is an invasive and costly method. Furthermore, it is
associated with risks such as death, heart attack, and stroke. Thus,
this study introduces a neuro-fuzzy-based method which can help
the physicians in prediction of patient’s coronary artery condition.
Methods: This is an analytical study carried on 200 patients of
Cardiovascular Center in Torbat Heydarieh. Patient records include
13 risk factors and are non-attributable. In this work, models are
presented based on data mining methods for the diagnosis of
coronary artery disease Furthermore, artificial neural network and
neuro-fuzzy method were used for modeling the diagnosis of
coronary artery disease.
Results: The mean square error (MSE) of prediction for artificial
neural network and neuro-fuzzy method were p=0.2574 and
p=0.0007, respectively.
Conclusion: Since angiography is invasive and associated with
various risks, we suggest the use of non-invasive methods with low
error and high reliability. New data mining strategies can be
effective in reducing the mentioned complications.
عنوان نشريه :
فصلنامه دانشگاه علوم پزشكي تربت حيدريه
