طراحی سیستم تصمیم یار جهت تشخیص و پیش بینی بیماری قلبی با استفاده از شبکه عصبی مصنوعی؛ مطالعه موردی (بیمارستان آیت الله گلپایگانی قم)

زمینه و هدف: با توجه به شیوع زیاد بیماری های قلبی عروقی در کشور و زیاد بودن بار مرگ و میر این بیماری، پیش بینی صحیح وضعیت بیماری افراد از اهمیت زیادی برخوردار است، لذا برای این پیش بینی بایستی از مدل هایی استفاده کرد که دارای حداقل خطا و حداکثر اطمینان باشد. از این رو در این مطالعه از روش شبکه عصبی مصنوعی جهت ارزیابی مبتلا بودن افراد به سکته قلبی و نارسایی احتقانی استفاده شد. روش پژوهش: در مطالعه مقطعی حاضر ابتدا تمام پرونده های 2 سال اخیر بیماران قلبی بیمارستان آیت اله گلپایگانی قم (497 نفر) مورد بررسی قرار گرفت. 19 ویژگی مهم از پرونده ها استخراج و از شبکه عصبی مصنوعی پرسپترون چند لایه با الگوریتم پس انتشار خطا جهت ارزیابی وضعیت بیماری قلبی استفاده شد. تابع انتقال سیگمویید و تانژانت سیگمویید انتخاب و با تعداد 19 نورون لایه ورودی، 6 نورون لایه میانی و 75 درصد داده های موجود، شبکه عصبی در Matlab آموزش داده شد. یافته ها: در ابتدا میانگین مربعات خطا 0/35 بود که با نرمال سازی داده ها از طریق روش کمینه بیشینه به 0/04 کاهش یافت و مدل ارایه شده به دقت 89/50 درصد دست پیدا کرد. با توجه به نتایج به دست آمده و مناسب بودن مقادیر حساسیت و ویژگی، مدل پیشنهادی می تواند سکته قلبی و نارسایی احتقانی را به درستی طبقه بندی کند. نتیجه گیری: این مطالعه شبکه عصبی را طراحی کرد که با دقت مناسب بیماری قلبی را پیش بینی کرد. این پیش بینی بر اساس استفاده از یک سری متغیرهای فردی و بالینی مانند سن، جنسیت، تنگی نفس، تغییرات فشار خون و تعدادی آزمایش خون انجام شد. در این پزوهش سعی شد که از فاکتورهای مهم و کم هزینه جهت پیش بینی بیماری قلبی استفاده شود به طوریکه با کمترین هزینه شخص می تواند از بیماری خود آگاهی پیدا کند.