|
|
دومین کنگره انفورماتیک پزشکی و هفتمین همایش سلامت الکترونیک
|
|
|
| عنوان فارسی |
پیشبینی ابتلا به سرطان حنجره با استفاده از شبکه عصبی در بیمارستان شفا در کرمان |
|
| چکیده فارسی مقاله |
چکیده مقدمه: یکی از چالش های علوم پزشکی، بحث تشخیص به موقع و صحیح بیماری ها می باشد. به ویژه در مورد بیماری های خاص مانند انواع سرطان، که از علل عمده ی مرگ و میر در سرتاسر جهان به شمار می آیند و تشخیص زود هنگام آن ها تأثیر بسزایی در کنترل و درمان این بیماری دارد. استفاده از سیستم های تصمیم یار هوشمند با دقت بالا می تواند راهکار مناسبی جهت کاهش خطاهای انسانیِ ناشی از خستگی و کم تجربگی باشد. لذا، مطالعه ی حاضر سعی دارد با استفاده از تکنیک های داده کاوی و با در نظر گرفتن متغیرهای تأثیر گذار در پیش بینی ابتلا به سرطان حنجره، به پیش بینی ابتلا به این بیماری بپردازد. روش بررسی: این مطالعه یک مطالعه ی تحلیلی است. داده های به کار گرفته شده از پرونده ی 249 مراجعه کننده که در سال 1396 به بیمارستان شفا در کرمان مراجعه نموده اند، بدست آمده است. این مطالعه براساس متدولوژی کریسپ و در محیط نرم افزار متلب به انجام رسیده است. ابتدا، به منظور درک سرطان حنجره مروری بر مطالعات مرتبط به انجام رسید و با پزشکان متخصص مصاحبه شد. سپس، با استفاده از نظر پزشکانِ متخصص 24 متغیر به عنوان عوامل تأثیرگذار در پیش بینی سرطان حنجره شناسایی گردید. پس از پاکسازی و آماده سازی داده ها، از مدل شبکه ی عصبی مصنوعی جهت پیش بینی احتمال ابتلا به سرطان حنجره استفاده گردید. در ادامه، مدل دیگری از ترکیب الگوریتم ژنتیک و شبکه ی عصبی ایجاد شد. بدین صورت که با استفاده از الگوریتم ژنتیک 9 ویژگی کاربردی تردر پیش بینی سرطان حنجره از میان 24 متغیر انتخابی مشخص گردید؛ و از شبکه ی عصبی مصنوعی جهت پیش بینی احتمال ابتلا به سرطان حنجره استفاده شد. در نهایت، معیارهای دقت، صحت، اختصاصی بودن، و حساسیت جهت ارزیابی دو مدلِ حاصل استفاده گردید. یافته ها: مدل حاصل از ترکیب الگوریتم ژنتیک و شبکه ی عصبی با کاهش تعداد ویژگی ها از 24 ویژگی به 9 ویژگی، نه تنها پیچیدگی مدل را کاهش داد، بلکه میزان دقت متوسط را نیز از 80% به 84% بهبود بخشید. همچنین مدل ساخته شده با ویژگی های انتخاب شده توسط الگوریتم ژنتیک، معیارهای اختصاصی بودن و صحت را نیز به ترتیب به میزان 13% و 8% افزایش داده است. نتیجه گیری: ترکیب الگوریتم ژنتیک با شبکه ی عصبی، در مقایسه با شبکه ی عصبیِ محض، علاوه بر بهبود دقتِ پیشبینی سرطان حنجره، با کاهش تعداد ویژگی ها ی مورد نیاز، موجب سرعت بخشیدن به فرایند تشخیصِ بیماری، خصوصا در مرحله ی جمع آوری داده ها می گردد. لذا، استفاده از این مدل به عنوان سیستم تصمیم یار هوشمند پیشنهاد می گردد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
|
|
| چکیده انگلیسی مقاله |
|
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
صادق نجات زاده | sadegh nejatzadeh
yasuj university of medical sciences
دانشگاه علوم پزشکی یاسوج
سازمان اصلی تایید شده: دانشگاه علوم پزشکی یاسوج (Yasouj university of medical sciences)
عمید خطیبی بردسیری | khatibi bardsiri
دانشگاه آزاد اسلامی واحد بردسیر
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی بردسیر (Islamic azad university of bardsir)
فاطمه رحیمی | fatemeh rahimi
yasuj university of medical sciences
دانشگاه علوم پزشکی یاسوج
سازمان اصلی تایید شده: دانشگاه علوم پزشکی یاسوج (Yasouj university of medical sciences)
|
|
| نشانی اینترنتی |
http://mieh-2018.modares.ac.ir/browse.php?a_code=A-10-128-1&slc_lang=fa&sid=1 |
| فایل مقاله |
فایلی برای مقاله ذخیره نشده است |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
|
| نوع مقاله منتشر شده |
|
|
|
|
برگشت به:
صفحه اول پایگاه |
دوره مرتبط |
کنفرانس مرتبط |
فهرست کنفرانس ها
|
