کاربرد شبکه عصبی مصنوعی جهت ارزیابی بیماری عروق کرونری قلب

سابقه و هدف: از آن جا یی که پیش بینی صحیح وضعیت بیماری افراد از اهمیت زیادی برخوردار است، لذا برای این پیش بینی بایستی از آن دسته مدل هایی استفاده کرد که دارای حداقل خطا و حداکثر اطمینان باشد. لذا در این مطالعه از روش شبکه عصبی مصنوعی که روش قوی تری نسبت به روش های موجود است جهت ارزیابی بسته بودن یا نبودن عروق کرونری قلب استفاده شد.   مواد و روش ها: در این تحقیق از شبکه عصبی مصنوعی پرسپترون چند لایه با الگوریتم پس انتشار خطا جهت ارزیابی وضعیت بیماری عروق کرونری قلب در بین ۱۵۰ نفر از بیماران مرکز فوق تخصصی قلب مازندران استفاده شد. سپس شبکه عصبی مصنوعی با ساختار(۱-۱۲-۱۴) NN ، تابع انتقال سیگموئید و ۱۵۰۰ سیکل آموزشی بر اساس۸۰ درصد داده های موجود طراحی و آموزش داده شد. برای طراحی شبکه عصبی مصنوعی از نرم افزار Pythia-Neural Network استفاده شد.   یافته ها: میانگین مربعات خطای مشاهده شده در مرحله تست به مقدار ۰۲۳۸/۰ کاهش یافت و حساسیت و ویژگی به ترتیب ۹۶/۰ و ۱ به دست آمد. در نهایت مدل به دست آمده، افراد سالمی که نیاز به آنژیوگرافی و درمان های مربوط به عروق کرونری قلب نداشتند را به درستی طبقه بندی کرد.   استنتاج: این روش به علت ویژگی بالا می تواند از عوارض و آسیب های احتمالی آنژیوگرافی در بیمارانی که نیاز به آن ندارند را جلوگیری نماید. از طرف دیگر می تواند به علت حساسیت بالا در بیمارانی که به طور واقعی به این اقدامات تشخیصی و درمانی نیاز دارند را جدا نماید.