ویراساینس.
مقاله

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

اکبر بیگلریان، akbar biglarian ابراهیم حاجی زاده، ebrahim hajizadeh انوشیروان کاظم نژاد، anoshirvan kazemnejad

چکیده

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 1381 لغایت 1385، تعداد 436 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 ی 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 51/81 درصد و مدل رگرسیونی کاکس برابر 60/72 درصد گردید. سطح زیر منحنی مشخصه عمل کرد برای مدل شبکه ی عصبی و رگرسیون کاکس به ترتیب برابر 6/82 درصد و 4/75 درصد به دست آمد. نتیجه گیری: مدل شبکه ی 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 ی سلامت و به خصوص در تخصیص منابع درمانی لازم برای افرادی که پرمخاطره پیش بینی می شوند با اهمیت است.

اسناد مشابه

  • ارزیابی کارایی روش‌پیش بینی موضعی ناشی از بازسازی فضای فاز و مدل شبکه عصبی مصنوعی به منظور پیش بینی رواناب (مورد مطالعاتی: ایستگاه پل کهنه، کرمانشاه)

    مقاله۲۰۱۶مهندسی عمران فردوسیمحمد ذونعمت کرمانی، خاطره امیرخانی

    در این تحقیق دو روش شبکه عصبی مصنوعی و روش بر پایه تئوری آشوب به منظور پیش بینی روزانه، هفتگی و ماهانه رواناب ایستگاه پل کهنه بر رودخانه قره سو به کار گرفته شده اند. نتایج حاصل از پیش بینی با استفاده از روش پیش بینی موضعی مبین نزدیکی نتایج با داده های مشاهداتی در مقیاس های روزانه

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

    مقالهمجله دانشگاه علوم پزشکی ایلاممسعود صالحی، m salehi محمودرضا گوهری، mr gohari نسیم وهابی، n vahabi فرید زایری

    مقدمه: امروزه انواع سرطان یکی از مهم ترین عوامل مرگ و میر در دنیا و سرطان پستان از شایع ترین آن ها در زنان میان سال می باشد. میزان بقای پس از تشخیص و درمان در این بیماران یکی از شاخص های مهم در کنترل بیماری است. در این مطالعه دو مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش بینی بقا

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

    مقاله۲۰۱۳مجله دانشگاه علوم پزشکی ایلاممسعود صالحی، محمودرضا گوهری، نسیم وهابی، فرید زایری

    Introduction: Nowadays, cancer diseases are the most important causes of death wor-ldwide and the breast cancer is the most important of them within women. Asses-sing the survival of the patients is one of the most important indices of controlling the cancer. This study aimed to

  • پیش‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎بینی بقای بیماران مبتلا به سرطان پستان با استفاده از دو مدل رگرسیون لجستیک و شبکه عصبی مصنوعی

    مقالهمجله اپیدمیولوژی ایرانآذر اسد آبادی، a asadabadi msc, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranکارشناس ارشد آمار زیستی، گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران عباس بهرامپور، a bahrampour professor, phd, modeling of health research center, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranاستاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران علی اکبر حقدوست، aa haghdoost associate professor, phd, modeling of health research center, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranاستاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران

    مقدمه و اهداف: در سال‎های اخیر، توجه قابل ملاحظه‎ای به مدل‎های آماری برای طبقه‎بندی داده‎های پزشکی با توجه به بیماری‎های مختلف و پیامدهای آن‎ها شده است. شبکه‎های عصبی مصنوعی به دلیل عدم نیاز به پیش فرض با موفقیت برای تشخیص الگو و پیش‎بینی در برخی از مطالعه های بالینی استفاده شده‎

  • مقایسه‌ی مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش‌بینی بقای بیماران مبتلا به سرطان معده

    مقاله۲۰۱۰کومشبیگلریان, اکبر، حاجی‌زاده, ابراهیم، کاظم‌نژاد, انوشیروان

    سابقه و هدف: یکی از روش‌های آماری تحلیل داده‌های بقا، مدل رگرسیونی کاکس است که نیازمند پذیره‌هایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر به‌کارگیری مدل شبکه عصبی مصنوعی برای پیش‌بینی داده‌های بقا، افزایش یافته است. این مطالعه به منظور پیش‌بینی بقای بیماران مبتلا به سرطان

  • پیش‏بینی رضامندی زناشویی برمبنای ویژگی‏های شخصیتی: مقایسه مدل شبکه عصبی مصنوعی و روش رگرسیون

    مقالهعلوم رفتاریروح ا... عباسی، abbasi r. department of psychology, faculty of human sciences, tarbiat modares university, tehran, iranگروه روان‏شناسی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران کاظم رسول زاده طباطبایی، rasoulzade tabatabaei k. department of psychology, faculty of human sciences, tarbiat modares university, tehran, iranگروه روان‏شناسی، دانشکده علوم انسانی، دانشگاه تربیت مدرس، تهران، ایران احسان ا... کبیر، kabir e. department of electronics, technical school, tarbiat modares university, tehran, iranگروه الکترونیک، دانشکده فنی، دانشگاه تربیت مدرس، تهران، ایران رضا ابراهیم پور

    مقدمه: ضرور ی است که با بررسی دقیق مدل‏ها‏ی پیش‏بینی‏‏کننده جدید و دارای قابلیت‏ها‏ی مضاعف، ضمن مقایسه با روش‏های‏ آماری‏ متداول و یافتن نقاط قوت و ضعف هر یک از آنها، بتوان در پژوهش‏ها‏ی آتی مدلی که محققان را به بهترین پیش‏بینی رهنمون ‏سازد، پیشنهاد نمود. هدف از پی­ریزی این پژوهش