ارائه یک سیستم هوشمند در تشخیص بیماری عروق کرونری قلب با استفاده از شبکه عصبی احتمالی

Abstract

مقدمه: انتخاب روش مناسب برای مدلسازی و تحلیل دادههای سلامت و بهداشت، مبتنی بر نوع دادههای موجود، بسیار مهم و در مواردی بسیار حساس است. تحقیق حاضر با هدف بررسی بسته بودن یا نبودن عروقکرونری قلب بر اساس شبکهعصبیاحتمالی انجامشد. نتایج این تحقیق نشان داد که در جامعه آماری مورد مطالعه، شبکههای عصبی احتمالی بهتر و قوی تر از سایر شبکههای عصبی در تشخیص بیماری عمل کردهاند. روش بررسی: این تحقیق، از نوع تشخیصی بود و در سال 1392شمسی در بیمارستانکوثر شیراز انجامشد جامعهآماری اینپژوهش افرادی بودند که در شهریورماه سال1392شمسی تحت آنژیوگرافی عروقکرونریقلب قرارگرفتند که تعداد 152نفر از این افراد بهطور تصادفی انتخابشدند. در این پژوهش از شبکه عصبی احتمالی(PNN) بهمنظور پیش بینی بیماری عروق کرونری قلب استفادهشد. برای طراحی شبکه، از 85درصد دادهها جهت مرحله آموزش شبکهو15درصد باقیمانده جهت مرحله آزمون شبکه استفادهشد. بهمنظور پیادهسازی شبکه از امکانات و توابع موجود در نرم افزار MATLAB نسخه 7.12.0بهره گرفته شدهو بر سیستم corei5 با پردازنده2.4 GHzو حافظه 4GB تحت ویندوز 7 شبیه سازیانجامشدهاست. یافتهها:شاخصهای عملکردی این سیستم،اختصاصیت (specificity) و حساسیت (sensitivity) بودند. عملکرد سیستم ارائه شده براساس این شاخصها در مرحله آزمون شبکه بهترتیب معادل اعداد 0.94 و یک به دست آمد. درنهایت سیستم طراحی و پیادهسازیشده توانست با دقت بهتری نسبت به تحقیقات مشابه در این زمینه افراد دارای بیماری عروقکرونری را تشخیص دهد. نتیجهگیری: استفاده از شبکههای عصبیاحتمالی میتواند با دقت بهتری در تشخیص بیماری عروق کرونری قلب بهکاررود.این روش به علت اختصاصیت و حساسیت بالا میتواند از عوارض و آسیبهای احتمالی آنژیوگرافی در بیمارانی که نیاز به آن ندارند، جلوگیری نماید. همچنین میتواند بیمارانی را که واقعا به این اقدامات تشخیصی نیاز دارند در سریعترین زمان و بیشترین دقتمشخص نماید.

Keywords

• Coronary Artery Disease
• Forecasting
• Neural Networks (Computer).