طراحي سيستم تصميم يار جهت تشخيص و پيش بيني بيماري قلبي با استفاده از شبكه عصبي مصنوعي؛ مطالعه موردي (بيمارستان آيت الله گلپايگاني قم)

زمينه و هدف: با توجه به شيوع زياد بيماري هاي قلبي عروقي در كشور و زياد بودن بار مرگ و مير اين بيماري، پيش بيني صحيح وضعيت بيماري افراد از اهميت زيادي برخوردار است، لذا براي اين پيش بيني بايستي از مدل هايي استفاده كرد كه داراي حداقل خطا و حداكثر اطمينان باشد. از اين رو در اين مطالعه از روش شبكه عصبي مصنوعي جهت ارزيابي مبتلا بودن افراد به سكته قلبي و نارسايي احتقاني استفاده شد. روش پژوهش: در مطالعه مقطعي حاضر ابتدا تمام پرونده هاي 2 سال اخير بيماران قلبي بيمارستان آيت الله گلپايگاني قم ( 497 نفر) مورد بررسي قرار گرفت. 19 ويژگي مهم از پرونده ها استخراج و از شبكه عصبي مصنوعي پرسپترون چند لايه با الگوريتم پس انتشار خطا جهت ارزيابي وضعيت بيماري قلبي استفاده شد. تابع انتقال سيگموئيد و تانژانت سيگموئيد انتخاب و با تعداد 19 نورون لايه ورودي، 6 نورون لايه مياني و 75 درصد داده هاي موجود، شبكه عصبي در Matlab آموزش داده شد. يافته ها: در ابتدا ميانگين مربعات خطا 0/35 بود كه با نرمال سازي داده ها از طريق روش كمينه بيشينه به 0/04 كاهش يافت و مدل ارائه شده به دقت 89/50 درصد دست پيدا كرد. با توجه به نتايج به دست آمده و مناسب بودن مقادير حساسيت و ويژگي، مدل پيشنهادي مي تواند سكته قلبي و نارسايي احتقاني را به درستي طبقه بندي كند. نتيجه گيري: اين مطالعه شبكه عصبي را طراحي كرد كه با دقت مناسب بيماري قلبي را پيش بيني كرد. اين پيش بيني بر اساس استفاده از يك سري متغيرهاي فردي و باليني مانند سن، جنسيت، تنگي نفس، تغييرات فشارخون و تعدادي آزمايش خون انجام شد. در اين پژوهش سعي شد كه از فاكتورهاي مهم و كم هزينه جهت پيش بيني بيماري قلبي استفاده شود به طوريكه با كمترين هزينه شخص مي تواند از بيماري خود اگاهي پيدا كند.