مقایسه شبکه عصبی مصنوعی و رگرسیون لجستیک در پیش بینیپاسخ های دو حالتی مطالعات پزشکی
چکیده
چکیده زمینه و هدف: رگرسیون لجستیک یک مدل عمومی برای بررسی رابطه بین متغیرهای مستقل و پاسخ های دوحالتی است. یکی از مدل های انعطاف پذیر که به طور جایگزین می تواند مورد استفاده قرار گیرد، مدل شبکه عصبی مصنوعی است. این مطالعه با هدف مقایسه ی قدرت پیش بینی پاسخ های دوحالتی داده های پزشکی، با مدل شبکه عصبی مصنوعی و رگرسیون لجستیک انجام شد. مواد و روش کار: برای انجام این پژوهش، از داده های 639 بیمار مبتلا به سرطان معده، گردآوری شده توسط مرکز تحقیقات گوارش و کبد دانشگاه علوم پزشکی شهید بهشتی طی سال های 1381-1385، استفاده شد. مرحله بیماری به عنوان متغیر وابسته در نظر گرفته شد. ارزیابی شبکه بر اساس ملاک حداقل مربعات خطای پیش بینی صورت گرفت و مقایسه پیش بینی های مدل نهایی شبکه با مدل رگرسیونی با استفاده از شاخص هماهنگی و منحنی راک صورت پذیرفت. تحلیل داده ها با نرم افزار r 2.12 و spss 17.0 انجام شد. یافته ها: سطح زیر منحنی مشخصه عملکرد مدل شبکه عصبی برابر 725/0 و مدل رگرسیون لجستیک برابر 699/0 به دست آمد. همچنین صحت پیش بینی کل برای مدل شبکه عصبی و رگرسیونی به ترتیب برابر 771/0 و 710/0 محاسبه گردید. همچنین اختلاف پیش بینی های دو مدل معنی دار شد (002/0 = p). نتیجه گیری: صحت پیش بینی شبکه در تشخیص مرحله ی بیماری سرطان معده بیش تر از مدل رگرسیونی لجستیک به دست آمد و لذا این مدل برای تشخیص مرحله ی بیماری پیشنهاد می شود.