یک سیستم خبره تشخیص بیماری قلبی مبتنی بر ترکیب شواهد در داده‌کاوی

نویسندگان

  • جلالی, مهرداد ستادیار، دکترای مهندسی کامپیوتر، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران.
چکیده مقاله:

مقدمه: بیماری عروق کرونری، شایع‌ترین نوع بیماری قلبی و عامل اصلی مرگ و میر در کشورهای صنعتی می باشد. این پژوهش با هدف طراحی یک سیستم خبره‌ی‌ با دقت بالا برای تشخیص بیماری عروق کرونری قلب انجام شد. روش:  این مطالعه از نوع کاربردی بوده و از 14 ویژگی مربوط به 303 نفر که تحت آنژیوگرافی کرونری قرار گرفتند استفاده شده است. برای تشخیص دقیق‌تر بیماری عروق کرونری، نتایج سه روش کلاسه‌بندی شبکه‌های عصبی، بیزین ساده و نزدیکترین k همسایه با استفاده از تئوری ترکیب شواهد دمستر‌-‌شافر ترکیب شده است. از نسخه 7.‌3 نرم افزار داده‌کاوی  Weka و همچنین زبان برنامه نویسی C#‌ در محیط .Net Framework برای پیاده سازی روش استفاده گردید. برای ارزیابی کارایی، روش 10-Fold cross validation بکار برده شد. نتایج: نتایج نشان داد که میانگین دقت (Accuracy)، حساسیت (Sensitivity) و ویژگی (Specificity) در روش پیشنهادی به ترتیب 90/1 درصد، 89/09 درصد و 91/3 درصد می باشد که این مقادیر در مقایسه با هر یک از کلاسه‌بندهای شرکت‌کننده در ترکیب بیشتر بود و همچنین نسبت به تحقیقات مشابه، دقت بهتری در تشخیص افراد دارای بیماری عروق کرونری داشت. نتیجه گیری: تحلیل نتایج نشان می‌دهند که در جامعه آماری مورد مطالعه، روش پیشنهادی عملکرد بهتری در تشخیص بیماری عروق کرونری دارد و می تواند بعنوان یک سیستم خبره، توسط متخصصین بالینی درگیر با بیماری قلبی، با هدف کمک به تصمیم‌گیری‌های بالینی و کاهش خطاها، بهبود زمان انتظار در تشخیص بیماری و کاهش آزمایشات غیرضروری پزشکی استفاده گردد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

ارائه یک سیستم خبره فازی برای مدلسازی تشخیص میزان ابتلای به بیماری قلبی وعروقی کرونر

بیماری های قلبی عروقی، همه ساله میلیون ها نفر را در جهان مبتلا نموده و بخش اعظمی از بیماری ها را به خوداختصاص داده است. اگرچه پیشرفت های بسیاری در حوزه دانش پزشکی  صورت گرفته ، ولی تشخیص زود هنگام بیماری، همچنان یک چالش، برای پیشگیری از ابتلای به آن هست. هدف این پژوهش، طراحی وایجاد یک سیستم خبره تشخیص است که به تشخیص بیماری قلبی و عروقی کرونر، در مراحل اولیه  کمککند. قواعد با کمک پزشکان ایجاد ش...

متن کامل

ایجاد سیستم خبره فازی برای تشخیص بیماری مزمن کلیوی

Background: Diagnosis and early intervention of chronic kidney disease is essential to prevent loss of a large amount of financial resources. For this reason, the researcher is seeking to design a fuzzy logic based expert system for diagnosis of chronic kidney disease.   Methods: At first, a strategic search was conducted in the Pubmed database for initial identification of the parameters. A ...

متن کامل

طراحی یک سیستم هوشمند مبتنی بر شبکه های عصبی و ویولت برای تشخیص آریتمی های قلبی

In this paper, Automatic electrocardiogram (ECG) arrhythmias classification is essential to timely diagnosis of dangerous electromechanical behaviors and conditions of the heart. In this paper, a new method for ECG arrhythmias classification using wavelet transform (WT) and neural networks (NN) is proposed. Here, we have used a discrete wavelet transform (DWT) for processing ECG recordings, and...

متن کامل

یک سیستم هوشمند پزشکیار مبتنی بر شبکه عصبی مصنوعی در تشخیص بیماری دیابت

Backgrounds: Early detection of diabetes is critical to avoid complications and damage caused by this disease. The purpose of this paper is designing an intelligent system for Diabetes prediction (healthy or patient) by using regression method based on Multilayer Perceptron Neural Network. Methods: In this descriptive-analytic study, an intelligent system is designed to classification diabetes...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 3  شماره 4

صفحات  251- 258

تاریخ انتشار 2017-03

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023