این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
پیاورد سلامت، جلد ۱۲، شماره ۴، صفحات ۰-۰
عنوان فارسی تعیین دوز وارفارین در بیماران بزرگسال ایرانی دارای دریچه مصنوعی قلب با استفاده از شبکه عصبی مصنوعی
چکیده فارسی مقاله زمینه و هدف: هوش مصنوعی شاخه ­ای از علوم کامپیوتر است که توانایی تحلیل داده ­های پزشکی پیچیده را دارد که استفاده از آن در تشخیص، درمان و مراقبت از بیماران رایج است. وارفارین یکی از رایج­ترین داروهای ضد انعقادی است که تعیین دقیق دوز مورد نیاز بیماران یکی از چالش های عمده در نظام سلامت است که مورد توجه پژوهشگران قرار گرفته است. هدف این پژوهش تعیین دوز وارفارین مورد نیاز بیماران دارای دریچه مصنوعی قلب با استفاده از شبکه­ های عصبی است. روش بررسی: تعداد 9 شبکه عصبی پرسپترون چند لایه با ساختارهای متفاوت ایجاد شد. برای ارزیابی عملکرد شبکه ­ها از داده های 846 بیمار استفاده شد که در شش ماهه ­ی دوم سال 92 به درمانگاه PT مرکز قلب تهران مراجعه کرده بودند. تمام شبیه ­سازی­ها شامل پیش پردازش داده و طراحی شبکه عصبی در محیط Matlab انجام گردید. یافته ­ها: ارزیابی­ عملکرد شبکه­ ها بر اساس روش 10 fold cross انجام شد که نشان داد بهترین شبکه عصبی، شبکه ای است که دارای 7 نرون در لایه ­ی پنهان خود است که دارای میانگین خطای مطلق= 0/1 ، نرخ اغتشاش= 0/33 و رگرسیون= 0/87 درصد بود. نتیجه­ گیری: نتایج پژوهش بیانگر این نکته است که شبکه ­های عصبی مصنوعی بر روی داده ­های بومی قادر به پیش بینی دوز وارفارین در بیماران دارای دریچه قلب مصنوعی می­باشد. هر چند هیچ سیستمی قادر به ارایه پاسخ صحیح در صد در صد موارد نیست، لیکن این گونه سیستم ها می توانند کمک موثری در کاهش میزان خطاهای پزشکی باشند.
کلیدواژه‌های فارسی مقاله شبکه عصبی مصنوعی ، تعیین دوز وارفارین، یادگیری ماشین
عنوان انگلیسی Dosing of Warfarin in Iranian Adult Patients with An Artificial Heart Valve Using Artificial Neural Networks
چکیده انگلیسی مقاله Background and Aim: Artificial intelligence is a branch of computer science that has the ability of analyzing of complex medical data. Using of artificial intelligence is common in diagnosing, treating and caring of patients. Warfarin is one of the most commonly prescribed oral anticoagulant. Determine the exact dose of warfarin needed for patients is one of the major challenges in the health system which has attracted the attention of researchers. The purpose of this study was to determine exact dose of warfarin needed for patients with artificial heart valve using artificial neural networks (ANN). Materials and methods: A total of 9 multi-layer perceptron ANN were constructed with different structures and evaluated based on a dataset including 846 patients who had been referred to the PT clinic in Tehran heart center in the second half of the year 2013. Finally, the best structure of ANN for warfarin dose was investigated. All simulations included data preprocessing and neural network implementation were done in the MatLab environment. Results: The effectiveness of ANNs were evaluated in terms of classification performance using 10fold cross-validation procedure and the results showed that the best model is a network that has 7 neurons in its hidden layer with an average absolute error of 0.1, disturbance rate of 0.33 and regression of 0.87. Conclusion: The achieved results reveal that ANNs are able to predict warfarin dose in Iranian patients with an artificial heart valve. However, no system can be guaranteed to achieve 100% accuracy, but such systems can be effective in reducing medical errors.
کلیدواژه‌های انگلیسی مقاله Neural Networks, Machine Learning (ML), Warfarin dosing
نویسندگان مقاله اعظم اروجی | Azam Orooji
PhD candidate in Medical Informatics, Health Information Management Department, School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran.
دانشجوی دکتری تخصصی انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران

مصطفی لنگری زاده | Mostafa Langarizadeh
Assistant Professor, Health Information Management Department, School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran
استادیار، گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران

مریم آقازاده | Maryam Aghazadeh
Master of Sciense in Medical Informatics, Health Information Management Department, School of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran
کارشناس ارشد انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران

مهران کامکار حقیقی | Mehran Kamkarhaghighi
Ph.D. Candidate in Electrical and Computer Engineering, Department of Computer, University of Ontario Institute of Technology (UOIT), Ontario, Canada
دانشجوی دکترای مهندسی برق و کامپیوتر، گروه کامپیوتر، دانشگاه صنعتی انتریو، انتریو، کانادا

مرجان قاضی سعیدی | Marjan Ghazisaiedi
Associate Professor,Health Information Management Department, School of Allied Medical Sciences, Tehran University of Medical Sciences, Tehran, Iran
دانشیار، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران

فاطمه مقبلی | Fateme Moghbeli
PhD candidate in medical informatics, Health Information Management Department, School of Health Management and Information Sciences, Iran University of Medical Sciences, Tehran, Iran.
دانشجوی دکتری تخصصی انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران

نشانی اینترنتی http://payavard.tums.ac.ir/browse.php?a_code=A-10-190-6&slc_lang=fa&sid=1
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده فناوری اطلاعات سلامت
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات