این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
یکشنبه 19 مهر 1405
مجله علوم پزشکی رازی
، جلد ۲۰، شماره ۱۱۳، صفحات ۲۰-۲۸
عنوان فارسی
کاربرد مدل شبکه عصبی مصنوعی در پیشبینی پاسخهای آمیخته بیماری قلبی
چکیده فارسی مقاله
زمینه و هدف: در مطالعات اپیدمیولوژی و پزشکی، گاهی پژوهشگر با مواردی مواجه میشود که لازم است دو متغیر پاسخ را به صورت توام (همزمان) از روی تعدادی متغیر کمکی پیشبینی نماید. زمانی که متغیر پاسخ آمیخته باشد، با توجه به محدودیتها و برقرار نبودن برخی پیش فرضها، روشهای کلاسیک آماری برای مدلبندی و پیشبینی کارایی لازم را ندارند. هدف این مطالعه بکارگیری مدل شبکه عصبی مصنوعی برای پیشبینی متغیر پاسخ آمیخته در بیماری قلبی است. روش کار: در پاییز و زمستان 1390، تعداد 276 بیمار قلبی که از بیمارستان شهید مدنی خرم آباد ترخیص شده بودند به صورت کوهورت تاریخی مورد مطالعه قرار گرفتند. از این نمونه برای پیشبینی توام کلسترول و سطح LDL استفاده شد. دادهها به تصادف به دو گروه آموزش (175 نفر) و آزمون (91 نفر) تقسیم شدند. برای تحلیل دادهها از شبکه عصبی مصنوعی با الگوریتم شیب توام مقیاس شده (Scaled Conjugate Gradient) و برای تعیین مناسبترین مدل از معیار صحت پیشبینی استفاده شد. برای تحلیل از نرم افزار MATLAB نسخه 11/7 استفاده شد. یافتهها: بالاترین صحت پیشبینی برای مدل شبکه عصبی مصنوعی چهار لایه برای متغیر پاسخ آمیخته برابر 76/51 درصد به دست آمد. نتیجهگیری: مدل شبکه عصبی مصنوعی با دو لایه میانی برای پیشبینی متغیر پاسخ آمیخته مناسب است.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Application of artificial neural network model in predicting the mixed response of atherosclerosis disease
چکیده انگلیسی مقاله
Background: In epidemiological and medical studies, sometimes researchers are faced for prediction of two response variables (simultaneously) based on a number of independent variables. When the response variable is mixed, according to established limits and absence of assumption, the classical statistical methods are not enough efficient for classification and prediction goals. The purpose of this study is using Artificial Neural Network (ANN) model to predict the mixed response variable in heart disease. Methods: A total of 276 cardiac patients who were discharged from Madani Hospital were studied as historical cohort, from October 2011 to March 2012. This sample was used to predict the cholesterol and also LDL levels of patients. Data was randomly divided into two sets: training (175 cases) and testing (91 cases) sets. Data analysis was made by ANN model with SCG algorithms in MATLAB software, version 7.11 and appropriateness of the model was assessed by the accuracy prediction. Results: The highest accuracy of prediction of mixed response variable was 51.76% for a four-layer ANN model. Conclusions: The ANN model is suggested to predict the mixed response variable in medical studies.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
مهین عادلی | mahin adeli
university of social welfare and rehabilitation sciences
دانشگاه علوم بهزیستی و توان بخشی تهران
سازمان اصلی تایید شده
: دانشگاه علوم بهزیستی و توانبخشی (University of social welfare and rehabilitation sciences)
اکبر بیگلریان | akbar biglarian
university of social welfare and rehabilitation sciences
دانشگاه علوم بهزیستی و توان بخشی تهران
سازمان اصلی تایید شده
: دانشگاه علوم بهزیستی و توانبخشی (University of social welfare and rehabilitation sciences)
عنایت اله بخشی | enayatollah bakhshi
university of social welfare and rehabilitation sciences
دانشگاه علوم بهزیستی و توان بخشی تهران
سازمان اصلی تایید شده
: دانشگاه علوم بهزیستی و توانبخشی (University of social welfare and rehabilitation sciences)
امیدعلی عادلی | omid ali adeli
lorestan university of medical sciences
دانشگاه علوم پزشکی لرستان
سازمان اصلی تایید شده
: دانشگاه علوم پزشکی لرستان (Lorestan university of medical sciences)
نشانی اینترنتی
http://rjms.iums.ac.ir/browse.php?a_code=A-10-1-1465&slc_lang=fa&sid=fa
فایل مقاله
فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
آمار حیاتی
نوع مقاله منتشر شده
پژوهشی
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات