Repository of Research and Investigative Information

Repository of Research and Investigative Information

Torbat Heydariyeh University of Medical Sciences

تشخیص بیماری عروق کرونر قلبی با استفاده از روش مبتنی بر عصبی فازی

(2018) تشخیص بیماری عروق کرونر قلبی با استفاده از روش مبتنی بر عصبی فازی. Journal of Torbat Heydariyeh University of Medical Sciences. pp. 48-59. ISSN 2538-2845

[img]
Preview
Text
thums-jms-v6n3p48-fa.pdf

Download (656kB) | Preview

Official URL: http://jms.thums.ac.ir/article-1-564-en.html

Persian Abstract

زمینه و هدف: بیماری عروق کرونری قلب، از شایع ­ترین بیماری­ها در جوامع مختلف است. یکی از  بهترین روش های  ارزیابی این بیماری آنژیوگرافی است که نوعی روش تهاجمی است و علاوه بر هزینه گران آن همراه با خطراتی نظیر مرگ، سکته قلبی و مغزی است. مطالعه حاضر باهدف ارائه مدل عصبی‌فازی به‌منظور کمک به پزشک در پیش‌بینی وضعیت عروق کرونر قلبی انجام‌ شده است. روش ­ها: این مطالعه از نوع تشخیصی بوده و پایگاه داده آن مشتمل بر 200 نفر از مراجعین به مرکز تخصصی قلب و عروق شهرستان تربت‌حیدریه انجام‌شده که شامل 13 عامل خطر از نوع غیرقابل انتساب می­باشد. در این پژوهش مدل­هایی مبتنی بر روش­های داده ­کاوی جهت تشخیص بیماری عروق کرونر قلبی ارائه‌شده است. مدل‌سازی به کمک شبکه­ های عصبی مصنوعی و سپس شبکه­ های عصبی­ فازی و در نهایت خوشه ­بندی فازی انجام گرفت. نتایج: خطای محاسبه‌شده بر اساس روش میانگین مربعات خطا در روش شبکه عصبی مصنوعی و شبکه­ های عصبی‌فازی به ترتیب 0/2574P= و 0/0007P= بدست آمد. نتیجه­ گیری: از آنجایی که آنژیوگرافی یک روش تهاجمی است و با خطرات متعددی همراه است، باید از روش­های غیرتهاجمی استفاده شود که پیش ­بینی بر اساس آن‌ها دارای کمترین خطا و بیشترین اطمینان باشد. استفاده از روش ­های نوین داده­ کاوی می­تواند به کاهش این عوارض کمک کند.

Title

Diagnosis of Coronary Artery Disease using Neuro-fuzzy-based Method

Abstract

Background & Aim: Coronary artery disease is one of the most common diseases in different societies. Coronary angiography is established as one of the best methods for diagnosis of this disease. Angiography is an invasive and costly method. Furthermore, it is associated with risks such as death, heart attack, and stroke. Thus, this study introduces a neuro-fuzzy-based method which can help the physicians in prediction of patient’s coronary artery condition. Methods: This is an analytical study carried on 200 patients of Cardiovascular Center in Torbat Heydarieh. Patient records include 13 risk factors and are non-attributable. In this work, models are presented based on data mining methods for the diagnosis of coronary artery disease Furthermore, artificial neural network and neuro-fuzzy method were used for modeling the diagnosis of coronary artery disease. Results: The mean square error (MSE) of prediction for artificial neural network and neuro-fuzzy method were p=0.2574 and p=0.0007, respectively. Conclusion: Since angiography is invasive and associated with various risks, we suggest the use of non-invasive methods with low error and high reliability. New data mining strategies can be effective in reducing the mentioned complications.

Item Type: Article
Keywords: Coronary artery disease, Artificial neural network, Neuro-fuzzy method
Page Range: pp. 48-59
Journal or Publication Title: Journal of Torbat Heydariyeh University of Medical Sciences
Journal Index: Not Index
Volume: 6
Number: 3
Publisher: Torbat Heydariyeh University of Medical Sciences
ISSN: 2538-2845
Depositing User: دکتر محبوبه عبداللهی
URI: http://eprints.thums.ac.ir/id/eprint/1141

Actions (login required)

View Item View Item