دوره 24، شماره 112 - ( اردیبهشت 1393 )
جلد 24 شماره 112 صفحات 87-78 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Heravi M, Setayeshi S. Intelligent and fast recognition of heart disease based on synergy of linear neural network and logistic regression model. J Mazandaran Univ Med Sci 2014; 24 (112) :78-87
URL: http://jmums.mazums.ac.ir/article-1-2726-fa.html
URL: http://jmums.mazums.ac.ir/article-1-2726-fa.html
هروی مجتبی، ستایشی سعید. تشخیص هوشمند و سریع بیماری قلبی بر اساس هم‌افزایی شبکه‌های عصبی خطی و روش رگرسیون منطقی. مجله دانشگاه علوم پزشکی مازندران. 1393; 24 (112) :78-87
چکیده: (15797 مشاهده)
سابقه و هدف: در طول تاریخ، بیماری‌ها بزرگ‌ترین تهدید برای بشر به‌شمار می‌روند. در این میان بیماری‌های قلبی از توجه بیشتری در مطالعات پزشکی برخوردارند. در سال‌های اخیر، دسته‌بندی و تشخیص امراض قلبی به عنوان یک مبحث کلیدی بررسی شده و تحقیقات بسیاری در زمینه افزایش‌دقت و کاهش‌خطا در این‌گونه تصمیم‌گیری‌ها صورت گرفته است. با ایجاد سیستم‌های هوشمند یادگیر، این سیستم‌ها در پشتیبانی از تصمیمات و کاهش‌خطا نقش بزرگی را ایفا کرده‌اند.
مواد و روش‌ها: در این تحقیق، یک مدل ترکیبی ساده از رگرسیون منطقی و شبکه عصبی پرسپترون تک لایه ارایه شده‌است که با چهار قانون یادگیری مختلف (به صورت مجزا) آموزش می‌بیند. این مدل برای بهبود دسته‌بندی و بازشناسی الگوهای بیماری قلب، روی اطلاعات بالینی 270 بیمار از کلینیک کلیولند (Cleveland Clinic) (سایت UCI) استفاده شد. این روش از نرمال سازی آماری بهره می‌گیرد و پس از تشخیص داده‌های مخدوش، آموزش شبکه فقط با 20 درصد از داده‌های موجود انجام می‌شود. پیاده‌سازی مدل در نرم‌افزار Matlab صورت گرفته است.
یافته‌ها: میانگین خطای مشاهده شده مدل پیشنهادی روی کل مجموعه داده‌ها 11/11 درصد به دست آمد که بهبود قابل ملاحظه‌ای را نسبت به روش‌های مشابه اخیر نشان می‌دهد. همچنین، یافته‌ها نشان داد که مدل پیشنهادی در برخورد با اختلالات موجود در داده‌ها بسیار توانمند عمل می‌کند.
استنتاج: تکنیک خطی مطرح شده تأثیر زیادی بر کاهش‌خطا در دسته‌بندی و شناسایی افراد بیمار نسبت به روش‌های متداول و غیر خطی پیچیده با دقتی بیشتر و در زمانی کمتر داشته است. این روش برای تشخیص زود هنگام بیماری و یا به عنوان یک سیستم پشتیبان تصمیم می‌تواند به پزشک یاری رساند.
واژه‌های کلیدی: تشخیص بیماری‌های قلبی، مهندسی پزشکی، بازشناسی الگو، یادگیری ماشین، شبکه عصبی مصنوعی، پرسپترون تک لایه، رگرسیون منطقی
نوع مطالعه: پژوهشي-کامل |
موضوع مقاله:
قلب و عروق
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
Articles Copyright © The Author(s). Owned by Mazandaran University of Medical Sciences.
تماس با ما
ساری- میدان معلم- ساختمان شماره2 دانشگاه علوم پزشکی و خدمات بهداشتی درمانی مازندران- طبقه سوم- معاونت تحقیقات و فناوری- دفترمجله
تلفن: 01134484874
پست الکترونیکی : jmums
mazums.ac.ir
