مدل پیش بینی بیماری عروق کرونر با استفاده از شبکه های عصبی و گزینش متغیر مبتنی بر درخت رگرسیون و طبقه بندی

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

 مدل پیش بینی بیماری عروق کرونر با استفاده از شبکه های عصبی و گزینش متغیر مبتنی بر درخت رگرسیون و طبقه بندی دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مدل پیش بینی بیماری عروق کرونر با استفاده از شبکه های عصبی و گزینش متغیر مبتنی بر درخت رگرسیون و طبقه بندی  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 مدل پیش بینی بیماری عروق کرونر با استفاده از شبکه های عصبی و گزینش متغیر مبتنی بر درخت رگرسیون و طبقه بندی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مدل پیش بینی بیماری عروق کرونر با استفاده از شبکه های عصبی و گزینش متغیر مبتنی بر درخت رگرسیون و طبقه بندی :

نام کنفرانس، همایش یا نشریه : مجله دانشگاه علوم پزشکی شهرکرد

تعداد صفحات :۱۳

زمینه و هدف: با توجه به آنکه خطرات اجرای روش های تشخیص تهاجمی در بیماری عروق کرونر از جمله آنژیوگرافی قابل ملاحظه می باشد و از طرفی تجارب موفقیت آمیزی در مورد روش های داده کاوی در پزشکی حاصل شده است؛ لذا این مطالعه با هدف تولید مدلی مبتنی بر تکنیک داده کاوی شبکه های عصبی که قابلیت پیش بینی بیماری عروق کرونر را داشته باشد انجام شده است.روش بررسی: در این مطالعه توصیفی-تحلیلی، مجموعه داده ای شامل ۹ ریسک فاکتور از اطلاعات ۱۳۲۲۸ نفر که در مرکز قلب تهران آنژیوگرافی شده بودند (۴۰۵۹ نفر فاقد بیماری عروق کرونر و ۹۱۶۹ نفر مبتلا به این بیماری) مورد استفاده قرار گرفت. تولید مدل پیش بینی بیماری عروق کرونر بر اساس شبکه عصبی پرسپترون چند لایه و روش گزینش متغیر، مبتنی بر درخت رگرسیون و طبقه بندی می باشد که هر دو با استفاده از نرم افزار Statistica انجام شده است. برای مقایسه و انتخاب بهترین مدل از آنالیز منحنی راک استفاده گردید.یافته ها: پس از هفت مرتبه مدل سازی و مقایسه مدل های تولید شده، مدل نهایی تشکیل شده از کل ریسک فاکتورهای موجود با سطح زیر منحنی راک ۰.۷۵۴، دقت ۷۴.۱۹%، حساسیت ۹۲.۴۱% و ویژگی ۳۳.۲۵% بدست آمد. در نتیجه انجام گزینش متغیر نیز مدلی متشکل از ۴ ریسک فاکتور با سطح زیر منحنی راک ۰.۷۳۷، دقت ۷۴.۱۹%، حساسیت ۹۳.۳۴% و ویژگی ۳۱.۱۷% تولید شد.نتیجه گیری: در این مطالعه مدل بدست آمده مبتنی بر شبکه های عصبی، علاوه بر توانایی بالا در تشخیص افراد بیمار، تعداد قابل قبولی از افرادی که فاقد بیماری عروق کرونر بودند را نیز شناسایی کرد. همچنین، بکار گیری تکنیک های گزینش متغیر در این مطالعه نیز نتایج خوبی در زمینه کاهش پیچیدگی مدل به همراه داشت و منجر به تولید مدلی متشکل از تنها چهار ریسک فاکتور سن، جنس، دیابت و فشارخون بالا گردید.

کلید واژه: بیماری عروق کرونر، مدل سازی بیماری، شبکه های عصبی، گزینش متغیر