عنوان مقاله :
مقايسه ارزش تشخيصي مدل شبكه عصبي مصنوعي با آزمايش هاي متداول در شناسايي موارد مشكوك به آپانديسيت حاد
عنوان به زبان ديگر :
Comparing the Accuracy of Neural Network Models and Conventional Tests in Diagnosis of Suspected Acute Appendicitis
پديد آورندگان :
افشاري صفوي، عليرضا دانشگاه علوم پزشكي كرمانشاه , رضايي، منصور مركز تحقيقات بيولوژي - دانشگاه علوم پزشكي كرمانشاه - دانشكده پزشكي - گروه آمار زيستي , زند كريمي، اقبال دانشگاه علوم پزشكي كرمانشاه , محبي، حسنعلي دانشگاه علوم پزشكي بقيه الله (عج) تهران - گروه جراحي قفسه سينه , مهرورز، شعبان دانشگاه علوم پزشكي بقيه الله (عج) تهران - گروه جراحي عمومي , خرمي، محمدرسول دانشگاه علوم پزشكي بقيه الله (عج) تهران
كليدواژه :
شبكه عصبي مصنوعي , آپانديسيت حاد , پروتئين واكنشي c , تعداد لكوسيت ها , پروكلسيتونين مقدمه
چكيده فارسي :
سابقه و هدف: به علت تنوع علائم آپانديسيت حاد و اشتراك آن با بسياري از بيماريهاي شكم، تشخيص آپانديسيت حاد مشكل است. تاخير در تأييد تشخيص آپانديسيت ميتواند، نتيجه اي مهلك براي بيماران داشته باشد. اين مطالعه با هدف مقايسه مدل شبكه عصبي مصنوعي با آزمايشهاي متداول در تشخيص آپانديسيت حاد انجام گرفت. مواد و روشها: 100 بيمار مشكوك به آپانديسيت حاد وارد مطالعه شدند. تعداد گلبولهاي سفيدخون (WBC)، پروكلسيتونين (PCT)، پروتين واكنشي C (CRP و درصد نوتروفيلي (PMN) عنوان آزمايشهاي متداول و مدل شبكه عصبي مصنوعي به عنوان يك روش تركيبي و نتيجه گزارش پاتولوژي بافت آپانديس، مبناي تشخيص بيماري در نظر گرفته شد. به منظور مقايسه دقت تشخيصي هر يك از آزمايشها از منحني راك (ROC) و جدول حساسيت و ويژگي استفاده گرديد. يافتهها: ميانگين سني افراد در اين مطالعه 12/68±28/01 سال بود كه از اين تعداد 71 نفر (71 درصد) مرد بودند. در تحليل منحني راك بيشترين سطح زير منحني مربوط به مدل شبكه عصبي بود. حساسيت مدل شبكه عصبي 97/59 درصد و ميزان حساسيت آزمايشهاي CRP و WBC نيز به ترتيب برابر 92/77 درصد و 85/54 درصد به دست آمد. بالاترين دقت تشخيصي در ميان روشهاي متداول تشخيص آپانديسيت حاد، مربوط به مدل شبكه عصبي بود (88 درصد). استنتاج: اين مطالعه نشان داد استفاده از روشهاي تركيبي ومدل شبكه عصبي ميتواند نتايج بهتري براي تشخيص آپانديسيت حاد به دنبال داشته باشد.
چكيده لاتين :
Background and purpose: Diagnosis of acute appendicitis can be difficult due to similarity of
symptoms to many abdominal diseases. Delayed diagnosis could expose the patient to serious conditions.
In this study we compared the Artificial Neural Network (ANN) models and conventional laboratory tests
in diagnosis of appendicitis.
Materials and methods: The study population included 100 patients with suspected appendicitis.
White Blood Cells (WBC), Procalcitonin (PCT), C-reactive protein (CRP) and PMN were measured as
conventional diagnostic tests and ANN was applied as a combinational test. Definite diagnosis of
appendicitis was made based on pathology results. For each test, Receiver Operating Characteristic
(ROC) curve and sensitivity and specificity tables were used.
Results: The mean age of patients was 28.01±12.68 years and 71 (71%) were male. The
sensitivity of ANN model was 97.59 and the sensitivities of CRP and WBC were 92.77% and 85.54%,
respectively. The highest accuracy in diagnosis of acute appendicitis was achieved by ANN (88%).
Conclusion: This study showed that combinational test using ANN could be more beneficial in
diagnosis of acute appendicitis.
عنوان نشريه :
مجله دانشگاه علوم پزشكي مازندران
عنوان نشريه :
مجله دانشگاه علوم پزشكي مازندران