بررسي تأثير پارامترهاي پيوسته در تشخيص بيماري عروق كرونر قلبي با استفاده از شبكه‌هاي عصبي مصنوعي

زمينه و هدف: بيماري عروق كرونري قلب، از شايع ترين بيماري ها در جوامع مختلف است. بهترين روش ارزيابي بيماري كرونر قلبي آنژيوگرافي است. مطالعه حاضر با هدف بررسي تأثير پارامترهاي بيماري با استفاده از روش هاي هوشمند به منظور پيشگويي وضعيت عروق كرونري قلب انجام شده است. روش ها: اين مطالعه از نوع تحليلي بوده و پايگاه داده آن شامل 200 ركورد از نوع غير قابل انتساب مي باشد. در اين پژوهش از شبكه هاي عصبي مختلف MLP و LVQ و BRبه منظور پيش بيني بسته بودن يا نبودن عروق كرونري قلب استفاده شده است. همچنين اهميت تأثير ريسك فاكتورهاي پيوسته بيماري كرونر قلب مورد بررسي قرار گرفته است. نتايج: مهم ترين معيارهاي سيستم هاي تشخيص بيماري، دو شاخص ويژگي (Specificity) و حساسيت (Sensitivity) مي باشند. در اين مطالعه، اين دو شاخص در مرحله تست و آزمون مورد محاسبه قرار گرفتند. بهترين صحت مدل مربوط به شبكه عصبي پرسپترون چندلايه با قانون پس انتشار خطا و معادل 88 درصد بوده است. همچنين مشاهده شد كه حذف پارامترهاي گسسته در سرعت همگرايي شبكه عصبي تأثير مثبت دارد و مي تواند دقت پيش بيني را تا 85 درصد ارتقاء بخشد. نتيجه گيري: آنژيوگرافي يك روش تهاجمي است و علاوه بر هزينه گران آن همراه با ريسك هايي چون مرگ، سكته قلبي و سكته مغزي است. بنابراين بايد از روش هاي غير تهاجمي استفاده شود كه پيش بيني بر اساس آن ها داراي كمترين خطا و بيشترين اطمينان باشد. استفاده از روش هاي نوين داده كاوي مي تواند به كاهش اين عوارض كمك كند.