مقایسه روش های ممیزی کلاسیک با شبکه عصبی مصنوعی به وسیله چند الگوریتم مختلف در تشخیص بیماری انفارکتوس میوکارد

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

 مقایسه روش های ممیزی کلاسیک با شبکه عصبی مصنوعی به وسیله چند الگوریتم مختلف در تشخیص بیماری انفارکتوس میوکارد دارای ۱۴ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقایسه روش های ممیزی کلاسیک با شبکه عصبی مصنوعی به وسیله چند الگوریتم مختلف در تشخیص بیماری انفارکتوس میوکارد  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 مقایسه روش های ممیزی کلاسیک با شبکه عصبی مصنوعی به وسیله چند الگوریتم مختلف در تشخیص بیماری انفارکتوس میوکارد،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقایسه روش های ممیزی کلاسیک با شبکه عصبی مصنوعی به وسیله چند الگوریتم مختلف در تشخیص بیماری انفارکتوس میوکارد :

نام کنفرانس، همایش یا نشریه : تحقیقات نظام سلامت

تعداد صفحات :۱۴

مقدمه: تحلیل ممیزی و رده بندی یکی از پرکاربردترین بخش های آماری در حوزه های مختلف علمی است. در این مورد روش های کلاسیک آماری دارای پیش فرض هایی هستند که در صورت برقرار نبودن آن ها استفاده از این روش ها با خطاهای قابل توجه ای همراه است. از طرفی روش شبکه عصبی مصنوعی با محدودیت کمتری روبرو است، و از آن جا که تحلیل داده های پزشکی دارای حساسیت بالایی است و اشتباه در رده بندی منجر به خطاهای جبران ناپذیری خواهد شد اهمیت دارد که دقیق ترین روش با کم ترین خطا را برای تحلیل این داده ها به کار برد.روش ها: برای مقایسه سه روش ممیزی درجه دو، رگرسیون لجستیک و شبکه عصبی مصنوعی در تشخیص بیماری از ۱۰۰۰ داده مربوط به بیماری انفارکتوس میوکارد استفاده شد. ارزیابی شبکه عصبی، با ملاک حداقل مربعات خطای پیش بینی صورت پذیرفت و از الگوریتم پس انتشار خطا استفاده شد. در ادامه عملکرد سه الگوریتم مختل (BFGS یا ,Conjugate gradient (Broyden-Fletcher-Goldfarb-Shanne وGradient descent از شبکه عصبی در تشخیص و پیش بینی بیماری، مورد مقایسه قرار گرفت. تحلیل داده ها با نرم افزارهای SPSS, R, SAS, STATISTICA انجام شد.یافته ها: درصد خطا، درصد صحت پیش بینی، حساسیت، ویژگی و سطح زیرمنحنی راک به ترتیب در روش ممیزی درجه دو برابر با ۱۰.۱۵، ۸۹.۸۵، ۰.۸۸۸۸، ۰.۹۰۸۳، ۰.۹۲۲ و در روش رگرسیون لجستیک برابر با ۱۰.۸۸، ۸۹.۱۲، ۰.۸۷۴۳، ۰.۹۱۱۰، ۰.۹۴۱ و برای شبکه عصبی مصنوعی منتخب برابر با ۳.۹۷، ۹۶.۰۳، ۰.۹۵۶۱، ۰.۹۶۴۴، ۰.۹۶۶ به دست آمد. تفاوت معنی داری بین سطح زیرمنحنی راک برای سه روش وجود داشت. هم چنین از بین سه الگوریتم مختلف شبکه عصبی الگوریتم BFGS بر اساس معیارهای ذکرشده عملکرد بهتری داشته است و تفاوت معنی داری بین سطح زیرمنحنی راک برای سه الگوریتم وجود داشت.نتیجه گیری: با توجه به این که محدودیتی برای استفاده از شبکه عصبی مصنوعی وجود ندارد می توان نتیجه گرفت که این روش دقت پیش بینی و غربالگری بهتری نسبت به روش های ممیزی لجستیک و ممیزی درجه دو در تشخیص و پیش بینی بیماری انفارکتوس میوکارد داشته است.

کلید واژه: ممیزی درجه دو، رگرسیون لجستیک، شبکه عصبی مصنوعی، انفارکتوس میوکارد