ViraScience.
Article

تشخیص آپاندیسیت حاد در کودکان با استفاده از شبکه های عصبی مصنوعی

سلیمان سعیدی، solayman saeedi تهران -خیابان ولی عصر-بالاتر از میدان ونک-خیابان رشید یاسمی-دانشکده مدیریت واطلاع رسانی پزشکی دانشگاه علوم پزشکی ایران-گروه مدیریت اطلاعات بهداشتی مصطفی لنگری زاده، mostafa langarizadeا تهران -خیابان ولی عصر-بالاتر از میدان ونک-خیابان رشید یاسمی-دانشکده مدیریت واطلاع رسانی پزشکی دانشگاه علوم پزشکی ایران-گروه مدیریت اطلاعات بهداشتی

Abstract

زمینه و هدف: آپاندیسیت حاد، یکی از شایع ترین علت جراحی اورژانس، به ویژه در کودکان است. تشخیص صحیح و به موقع آن می تواند موجب کاهش میزان عوارض ناخوشایند گردد. باوجود پیشرفت روش های تشخیصی هنوز درصد چشمگیری از بیماران با تشخیص اولیه آپاندیسیت حاد، دارای لاپاراتومی منفی هستند. هدف از این پژوهش ارزیابی نقش شبکه های عصبی مصنوعی در تشخیص آپاندیسیت حاد در کودکان با شکم حاد بود. روش کار: در این پژوهش از داده های 206 بیمار با شکم حاد استفاده گردید که از فروردین 1384 لغایت اسفند 1393 به بیمارستان کودکان علی اصغر(ع) شهر تهران مراجعه کرده بودند. در مدل شبکه عصبی مصنوعی پیش خور با الگوریتم پس انتشار خطا از دو تابع آموزشی لونبرگ مارکواردت و شیب توأم مقیاس شده استفاده شد. یافته ها: با توجه به نتایج به دست آمده، شبکه پس انتشار پیش خور با توپولوژی 2-10-12 و الگوریتم لونبرگ مارکواردت و راهبرد توابع یکسان برای تمام لایه ها (تانژانت هایپربولیک سیگموئیدی) به عنوان بهترین تابع آموزشی برای تشخیص آپاندیسیت حاد در کودکان انتخاب گردید. مقدار حساسیت، ویژگی و صحت شبکه عصبی مصنوعی 100 درصد بود. این نتایج حاکی از پتانسیل بالای شبکه های عصبی مصنوعی به عنوان ابزاری قوی در تشخیص آپاندیسیت حاد در کودکان بود. نتیجه گیری: در این پژوهش از شبکه های عصبی مصنوعی باهدف یاری رساندن به متخصصین پزشکی در تشخیص بیماری آپاندیسیت حاد استفاده گردید. شبکه های عصبی مصنوعی می تواند یک ابزار مؤثر برای تشخیص دقیق آپاندیسیت حاد باشند و این سیستم ها ممکن است آپاندکتومی های غیرضروری، هزینه ها و زمان فرایندهای تشخیصی را کاهش دهد.

Similar items

  • تشخیص بهتر آپاندیسیت حاد با استفاده از هوش مصنوعی

    Article2017طب جنوبجواهرزاده, مجتبی، شاهمرادی, لیلا، صفدری, رضا، میرحسینی, میرمیکائیل

    زمینه: آپاندیسیت حاد، شایع‌ترین علت مراجعۀ بیماران با دردهای شکمی به اورژانس بیمارستان‌ها و آپاندکتومی شایع‌ترین عمل جراحی اورژانس است. با وجود ابداع روش‌های گوناگون تشخیصی، میزان آپاندکتومی غیرضروری قابل توجه است. استفاده از روش‌های هوش مصنوعی و یادگیری ‌ماشینی می‌تواند فرآیند ت

  • استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه در تشخیص آپاندیسیت حاد

    Articleمدیریت اطلاعات سلامترضا صفدری، استاد، مدیریت اطلاعات سلامت، گروه انفورماتیک پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران لیلا شاهمرادی، استادیار، مدیریت اطلاعات سلامت، گروه انفورماتیک پزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران مجتبی جواهر زاده، دانشیار، جراحی عمومی و جراحی توراکس، بیمارستان شهید مدرس، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران میرمیکائیل میرحسینی

    مقدمه: آپاندیسیت حاد، شایع ترین علت مراجعه بیماران با دردهای شکمی به اورژانس بیمارستان ها و آپاندکتومی، شایع ترین عمل جراحی اورژانس می باشد. با وجود پیشرفت های چشمگیر در تشخیص این بیماری، آپاندکتومی منفی همچنان میزان قابل توجهی را به خود اختصاص داده است. در پژوهش حاضر، شبکه عصبی

  • استفاده از شبکه عصبی مصنوعی پرسپترون چند لایه در تشخیص آپاندیسیت حاد

    Article2017مدیریت اطلاعات سلامترضا صفدری، لیلا شاهمرادی، مجتبی جواهر زاده، میرمیکائیل میرحسینی

    مقدمه: آپاندیسیت‌حاد، شایع‌ترین علت مراجعه بیماران با دردهای شکمی به اورژانس بیمارستان‌ها و آپاندکتومی، شایع‌ترین عمل جراحی اورژانس می‌باشد. با وجود پیشرفت‌های چشمگیر در تشخیص این بیماری، آپاندکتومی منفی همچنان میزان قابل توجهی را به خود اختصاص داده است. در پژوهش حاضر، شبکه عصبی‌

  • مقایسه ارزش تشخیصی مدل شبکه عصبی مصنوعی با آزمایش های متداول در شناسایی موارد مشکوک به آپاندیسیت حاد

    Articleمجله دانشگاه علوم پزشکی مازندرانعلیرضا افشاری صفوی، alireza afshari safavi msc student in biostatistics, students research committee, kermanshah university of medical sciences, kermanshah, iranدانشجوی کارشناسی ارشد آمار زیستی، کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران اقبال زند کریمی، eghbal zand karimi msc student in biostatistics, students research committee, kermanshah university of medical sciences, kermanshah, iranکرمانشاه: دانشگاه علوم پزشکی کرمانشاه، کمیته تحقیقات دانشجویی منصور رضایی، mansour rezaei assistant professor, medical biology research center, kermanshah university of medical sciences, kermanshah, iranاستادیار، گروه آمار زیستی، مرکز تحقیقات بیولوژی، دانشکده پزشکی، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران حسنعلی محبی

    سابقه و هدف: به علت تنوع علائم آپاندیسیت حاد و اشتراک آن با بسیاری از بیماری های شکم، تشخیص آپاندیسیت حاد مشکل است. تاخیر در تأیید تشخیص آپاندیسیت می تواند، نتیجه ای مهلک برای بیماران داشته باشد. این مطالعه با هدف مقایسه مدل شبکه عصبی مصنوعی با آزمایش های متداول در تشخیص آپاندیسی

  • تشخیص دقیق و زودهنگام کودکان پیش دبستانی مستعد نارساخوانی (دیسلکسیا): مقایسه دو سیستم هوشمند طراحی شده با شبکه عصبی مصنوعی

    Article2018طب توانبخشیغلامعلی افروز، مونا دلاوریان

    مقدمه و اهداف هدف از پژوهش حاضر شناسایی دقیق و زودهنگام کودکان پیش‌دبستانی مستعد دیسلکسیا از طریق طراحی سیستم هوشمند کمک تشخیصی بود. مواد و روش ­ها پژوهش حاضر از نظر هدف از نوع مطالعات تحقیق و توسعه‌ای و از نظر شیوه جمع‌آوری داده‌، توصیفی، پیمایشی از نوع ارزیابی و تشخیص بود. ابزا

  • تشخیص خرابی در صفحه چندلایه کامپوزیت الیاف شیشه با استفاده از شبکه عصبی مصنوعی با نویز زدایی توسط انواع مختلف تبدیل های موجک مادر

    Article2017مهندسی مکانیک مدرسمجید خزائی، علی صالح زاده نوبری، مقداد خزائی

    این مقاله به تشخیص ارتعاشی خرابی در چندلایه کامپوزیت الیاف شیشه با استفاده از آنالیز سیگنال زمانی و شبکه عصبی مصنوعی می‌پردازد. به‌منظور کاهش نویز سیگنال‌های ارتعاشی، نویز زدایی با استفاده از تبدیل موجک به انجام رسید. پس از داده‌کاوی و استخراج ویژگی‌های آماری از سیگنال‌های پردازش