[صفحه اصلی ]   [Archive] [ English ]  
:: درباره نشريه :: صفحه اصلي :: آخرين شماره :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
نمایه ها::
برای نویسندگان::
هزینه چاپ::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
سیاست های نشریه ::
بیانیه اخلاقی::
ثبت شکایت::
::
Citation Indices from GS

Citation Indices from GS

AllSince 2019
Citations62733583
h-index2719
i10-index18478
..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
ثبت شده در

AWT IMAGE

AWT IMAGE

..
:: دوره 25، شماره 1 - ( 2-1396 ) ::
جلد 25 شماره 1 صفحات 32-20 برگشت به فهرست نسخه ها
پیش بینی بیماری قلبی با استفاده از تکنیک داده کاوی شبکه عصبی
مریم کاظمی1 ، حسین مهدی زاده* 2، اردشیر شیری3
1- دانشگاه علوم پزشکی ایلام
2- گروه کارآفرینی و توسعه روستایی، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران ، Hossein.mahdizadeh@gmail.com
3- گروه مدیریت، دانشکده ادبیات و علوم انسانی، دانشگاه ایلام، ایلام، ایران
چکیده:   (9576 مشاهده)

مقدمه

داده کاوی به بررسی و تجزیه و تحلیل مقادیر عظیمی از داده ها به منظور کشف الگوها و قوانین معنی دار اطلاق میشود که عمدتا" از طریق ساختن مدل ها و الگوریتم ها، ورودی ها را با هدف خاصی مرتبط می نماید. گاهی تکنیک های داده کاوی منجر به شناسایی الگوریتم های معنادار می شوند که می توانند با استفاده از داده های موجود و در دسترس و با هزینه کم، زمینه های ابتلا، پیشگیری و درمان بیماری ها را در پزشکی فراهم آورده و پزشک ها را در تشخص به موقع یاری رساند.

مواد و روش ها

این مطالعه با هدف استفاده مدیران بیمارستان از نتایج حاصل از داده کاوی سیستم های اطلاعات بیمارستانی جهت پیش بینی دقیق تر و تصمیم گیری مؤثرتر در درمان بیماران صورت گرفته است. داده­های مورد استفاده در این مطالعه، مربوط به اطلاعات270 بیمار است که از انبار داده سایت UCI استخراج شده و شامل 14 متغیر است. از مدل" شبکه عصبی" برای پیش­بینی مبتلا بودن به بیماری قلبی استفاده شده و دقت پیش­بینی آن مورد بررسی و مقایسه قرار گرفته است.

یافته های پژوهش

بر اساس نتایج، مشاهده می­شود، مدل شبکه عصبی با ساختار پرسپترون چند لایه با دقتی برابر با 83.33% عمل کلاس­بندی را برای مجموعه مشاهدات آزمون انجام داده است.

بحث و نتیجه گیری

نتایج نشان داد که دقت مدل در کلاس­بندی رکوردها از لحاظ متغیر پاسخ بیماری قلبی (Heart-dis)برای مجموعه رکوردهای مدل­ساز 87.75% و برای مجموعه رکوردهای آزمون 83.33% می­باشد. همچنین متغیرهای تعداد عروق بزرگ (Nbr-ves)، کاهش استرس(ST-dep)، نقص (Defect)، درد قفسه سینه(Chest-pain)، اوج استرس) (Peak-ST، ضربان قلب ) (Heart-rate، آنژین) (Angina، جنسیت) (Sex، سن(Age) ،ایستایی نوار قلب (Res-elec)، فشار خون (Blood-press)، قندخون (Blood-sugar) و کلسترول سرم(Serum-chol) به ترتیب بیشترین اهمیت را از لحاظ مدل "شبکه عصبی با ساختار پرسپترون چند لایه" در پیش­بینی متغیر پاسخ بیماری قلبی (Heart-dis)دارند.

واژه‌های کلیدی: داده کاوی، شبکه عصبی، بیماری قلبی
متن کامل [PDF 669 kb]   (5527 دریافت)    
نوع مطالعه: پژوهشي |
دریافت: 1393/9/24 | پذیرش: 1394/12/8 | انتشار: 1396/2/11
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA



XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Kazemi M, Mehdizadeh H, Shiri A. Heart disease forecast using neural network data mining technique. J. Ilam Uni. Med. Sci. 2017; 25 (1) :20-32
URL: http://sjimu.medilam.ac.ir/article-1-2376-fa.html

کاظمی مریم، مهدی زاده حسین، شیری اردشیر. پیش بینی بیماری قلبی با استفاده از تکنیک داده کاوی شبکه عصبی. مجله دانشگاه علوم پزشکی ایلام. 1396; 25 (1) :20-32

URL: http://sjimu.medilam.ac.ir/article-1-2376-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 25، شماره 1 - ( 2-1396 ) برگشت به فهرست نسخه ها
مجله دانشگاه علوم پزشکی ایلام Journal of Ilam University of Medical Sciences
Persian site map - English site map - Created in 0.16 seconds with 40 queries by YEKTAWEB 4643