مقاله مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان معده

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان معده دارای ۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان معده  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان معده،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان معده :

مقاله مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان معده که چکیده‌ی آن در زیر آورده شده است، در بهار ۱۳۸۹ در کومش از صفحه ۲۱۵ تا ۲۲۰ منتشر شده است.
نام: مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان معده
این مقاله دارای ۶ صفحه می‌باشد، که برای تهیه‌ی آن می‌توانید بر روی گزینه‌ی خرید مقاله کلیک کنید.
کلمات مرتبط / کلیدی:
مقاله شبکه عصبی مصنوعی
مقاله تحلیل بقا
مقاله پیش بینی
مقاله رگرسیون کاکس
مقاله سرطان معده

چکیده و خلاصه‌ای از مقاله:
سابقه و هدف: یکی از روش های آماری تحلیل داده های بقا، مدل رگرسیونی کاکس است که نیازمند پذیره هایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر به کارگیری مدل شبکه عصبی مصنوعی برای پیش بینی داده های بقا، افزایش یافته است. این مطالعه به منظور پیش بینی بقای بیماران مبتلا به سرطان معده به کمک دو مدل رگرسیونی کاکس و شبکه عصبی مصنوعی انجام شده است.
مواد و روش ها: طی سال های ۱۳۸۱ لغایت ۱۳۸۵، تعداد ۴۳۶ بیمار مراجعه کننده با تشخیص قطعی سرطان معده که در بخش گوارش بیمارستان طالقانی تحت عمل جراحی قرار گرفتند به صورت هم گروه تاریخی مطالعه شدند. داده ها به طور تصادفی به دو گروه آموزشی و آزمایشی (اعتبارسنجی) تقسیم شدند. برای تحلیل داده ها از روش کاپلان – مایر، مدل مخاطرات متناسب کاکس و یک مدل شبکه ی عصبی مصنوعی سه لایه استفاده شد. برای مقایسه پیش بینی های دو مدل، از سطح زیر منحنی مشخصه عمل کرد و صحت کلاس بندی استفاده شد.
یافته ها: صحت پیش بینی مدل شبکه عصبی برابر ۸۱۵۱ درصد و مدل رگرسیونی کاکس برابر ۷۲۶۰ درصد گردید. سطح زیر منحنی مشخصه عمل کرد برای مدل شبکه عصبی و رگرسیون کاکس به ترتیب برابر ۸۲۶ درصد و ۷۵۴ درصد به دست آمد.
نتیجه گیری: مدل شبکه عصبی مصنوعی نسبت به مدل رگرسیون کاکس پیش بینی های بهتری نتیجه داد. لذا به کارگیری مدل شبکه عصبی مصنوعی در زمینه پیش بینی بقا پیشنهاد می شود. این امر در تحقیقات مرتبط با حوزه سلامت و به خصوص در تخصیص منابع درمانی لازم برای افرادی که پرمخاطره پیش بینی می شوند با اهمیت است.