تعيين وضعيت غده تيروييد مراجعه كنندگان به آزمايشگاه جهاد دانشگاهي اهواز: استفاده از مميزي شبكه عصبي پرسپترون چند لايه در مقايسه با روش‌هاي كلاسيك مميزي

زمينه: يكي از اهداف اصلي در پزشكي تشخيص نوع بيماري و رده‌بندي بيماران به گروه‌هاي مختلف است بگونه‌اي كه بيماراني كه در يك رده قرار مي‌گيرند بيشترين شباهت را داشته ‌باشند تحليل مميزي و رده بندي با هدف تشخيص بيماري در پزشكي كاربرد فراوان دارند؛ خطا در تشخيص پزشكي مسيله بسيار مهمي است از اين رو كاهش خطاي روش‌هاي مميزي همواره مورد توحه بوده است. در طول سال‌ها روش‌هاي مختلفي براي مميزي و رده بندي داده‌هاي پزشكي به كار رفته است. در اين تحقيق هدف مقايسه روش‌هاي مميزي خطي، مميزي درجه دوم، مميزي لجستيك با روش جديدتر مميزي شبكه عصبي در تعيين وضعيت غده تيروييد مي‌باشد. روش: داده‌هاي وضعيت غده تيروييد 225 مراجعه كننده به آزمايشگاه جهاد دانشگاهي اهواز در آبان سال 1384 مورد تحليل قرار گرفت؛ تشخيص نوع غده تيروييد براي آنها با چهار روش فوق مورد مقايسه قرار گرفت، نرم افزار 2000/spluss به كار گرفته شد. نتايج: ميزان خطاي مميزي خطي در مجموعه راهنما و آزمون به ترتيب 14/. و213/. به دست آمد. در مميزي درجه دوم ميزان خطا در مجموعه راهنما و آزمون به ترتيب 053/. و 106/. بود، در مميزي لجستيك ميزان خطا در هر دو مجموعه راهنما و آزمون 026/. بود. در روش مميزي شبكه عصبي ميزان خطا مجموعه راهنما 02/. و خطا مجموعه آزمون 013/. بود. نتيجه گيري: توان مميزي شبكه عصبي احتمالا سبب كاهش بيشتري در تشخيص اشتباه شده است و با توجه به اين واقعيت كه اين روش نياز به فرضيه هاي آماري بسيار كمتري دارد، اين روش پيشنهاد شده است.

Background: One of the main objects in medical science is diagnosis the diseases and classification the patients to different classes. Consequently according to the above the patients that set in one classes should have maximum similarity with each other. Discrimination and classification analysis have been frequently used in medical data for diagnosis and prognostic of the disease. The wrong in the medical diagnosis is very important, hence the decrease of wrong diagnosis in the discrimination methods are to consider always. Different methods have been used for classification and discrimination of medical data for years. The intention of this research is determination the state of tiroid gland using linear, quadratic and logistic discrimination in camper with the most up-to-date method neural network discrimination. Methods: A total of 225 patients’ data from Jahad university laboratory has analyzed. The obtained data correlated to November 2005. Using spluss/2000 software the collected information proceeds within four methods. Results: The consequences revealed that linear discrimination misdiagnosis with training set and test set were 0.14 and 0.213 respectively. However these figures considered by quadratic discrimination were 0.053 and 0.106 correspondingly. The obtained records through logistic discrimination for both training set and test set was 0.026 and 0.026. Yet these facts for neural network discrimination recorded in 0.02 and 0.013 likewise. Conclusion: The neural network discrimination had possibly superior decrease in wrong diagnosis and with notice to the fact that the method need a very fewer statistical assumption, this method is proposed.