سابقه و هدف: از آن‌جا یی که پیش‌بینی صحیح وضعیت بیماری افراد از اهمیت زیادی برخوردار است، لذا برای این پیش بینی بایستی از آن دسته مدل‌هایی استفاده کرد که دارای حداقل خطا و حداکثر اطمینان باشد. لذا در این مطالعه از روش شبکه عصبی مصنوعی که روش قوی‌تری نسبت به روش‌های موجود است جهت ارزیابی بسته‌بودن یا نبودن عروق کرونری قلب استفاده شد.

  مواد و روش ‌ ها: در این تحقیق از شبکه عصبی مصنوعی پرسپترون چند لایه با الگوریتم پس انتشار خطا جهت ارزیابی وضعیت بیماری عروق کرونری قلب در بین 150 نفر از بیماران مرکز فوق تخصصی قلب مازندران استفاده شد. سپس شبکه عصبی مصنوعی با ساختار(1-12-14) NN ، تابع انتقال سیگموئید و 1500 سیکل آموزشی بر اساس80 درصد داده‌های موجود طراحی و آموزش داده شد. برای طراحی شبکه عصبی مصنوعی از نرم افزار Pythia-Neural Network استفاده شد.

  یافته ‌ ها: میانگین مربعات خطای مشاهده شده در مرحله تست به مقدار 0238/0 کاهش یافت و حساسیت و ویژگی به ترتیب 96/0 و 1 به دست آمد. در نهایت مدل به دست آمده، افراد سالمی که نیاز به آنژیوگرافی و درمان‌های مربوط به عروق کرونری قلب نداشتند را به درستی طبقه‌بندی کرد.

  استنتاج: این روش به علّت ویژگی بالا می تواند از عوارض و آسیب‌های احتمالی آنژیوگرافی در بیمارانی که نیاز به آن ندارند را جلوگیری نماید. از طرف دیگر می‌تواند به علّت حساسیت بالا در بیمارانی که به‌طور واقعی به این اقدامات تشخیصی و درمانی نیاز دارند را جدا نماید.