مقایسه ارزش تشخیصی مدل شبکه عصبی مصنوعی با آزمایش های متداول در شناسایی موارد مشکوک به آپاندیسیت حاد
علیرضا افشاری صفوی، alireza afshari safavi msc student in biostatistics, students research committee, kermanshah university of medical sciences, kermanshah, iranدانشجوی کارشناسی ارشد آمار زیستی، کمیته تحقیقات دانشجویی، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران اقبال زند کریمی، eghbal zand karimi msc student in biostatistics, students research committee, kermanshah university of medical sciences, kermanshah, iranکرمانشاه: دانشگاه علوم پزشکی کرمانشاه، کمیته تحقیقات دانشجویی منصور رضایی، mansour rezaei assistant professor, medical biology research center, kermanshah university of medical sciences, kermanshah, iranاستادیار، گروه آمار زیستی، مرکز تحقیقات بیولوژی، دانشکده پزشکی، دانشگاه علوم پزشکی کرمانشاه، کرمانشاه، ایران حسنعلی محبی، hassanali mohebi associate professor, department of thoracic surgery, baqiyatallah university of medical sciences, tehran, iranدانشیار، گروه جراحی قفسه سینه، دانشگاه علوم پزشکی بقیه الله (عج)، تهران، ایران شعبان مهرورز، shaban mehrvarz associate professor, department of general surgery, baqiyatallah university of medical sciences, tehran, iranدانشیار، گروه جراحی عمومی، دانشگاه علوم پزشکی بقیه الله (عج)، تهران، ایران محمد رسول خرمی، mohammad rasoul khorrami general practitioner, baqiyatallah university of medical sciences, tehran, iranپزشک عمومی، دانشگاه علوم پزشکی بقیه الله (عج)، تهران، ایران
چکیده
سابقه و هدف: به علت تنوع علائم آپاندیسیت حاد و اشتراک آن با بسیاری از بیماری های شکم، تشخیص آپاندیسیت حاد مشکل است. تاخیر در تأیید تشخیص آپاندیسیت می تواند، نتیجه ای مهلک برای بیماران داشته باشد. این مطالعه با هدف مقایسه مدل شبکه عصبی مصنوعی با آزمایش های متداول در تشخیص آپاندیسیت حاد انجام گرفت. مواد و روش ها: 100 بیمار مشکوک به آپاندیسیت حاد وارد مطالعه شدند. تعداد گلبول های سفیدخون (wbc)، پروکلسیتونین (pct)، پروتین واکنشی c (crp) و درصد نوتروفیلی (pmn) عنوان آزمایش های متداول و مدل شبکه عصبی مصنوعی به عنوان یک روش ترکیبی و نتیجه گزارش پاتولوژی بافت آپاندیس، مبنای تشخیص بیماری در نظر گرفته شد. به منظور مقایسه دقت تشخیصی هر یک از آزمایش ها از منحنی راک roc)) و جدول حساسیت و ویژگی استفاده گردید. یافته ها: میانگین سنی افراد در این مطالعه 68/12±01/28 سال بود که از این تعداد 71 نفر (71 درصد) مرد بودند. در تحلیل منحنی راک بیشترین سطح زیر منحنی مربوط به مدل شبکه عصبی بود. حساسیت مدل شبکه عصبی 59/97 درصد و میزان حساسیت آزمایش های crp و wbc نیز به ترتیب برابر 77/92 درصد و 54/85 درصد به دست آمد. بالاترین دقت تشخیصی در میان روش های متداول تشخیص آپاندیسیت حاد، مربوط به مدل شبکه عصبی بود (88 درصد). استنتاج: این مطالعه نشان داد استفاده از روش های ترکیبی ومدل شبکه عصبی می تواند نتایج بهتری برای تشخیص آپاندیسیت حاد به دنبال داشته باشد.
سابقه و هدف: به علت تنوع علائم آپاندیسیت حاد و اشتراک آن با بسیاری از بیماریهای شکم، تشخیص آپاندیسیت حاد مشکل است. تاخیر در تأیید تشخیص آپاندیسیت میتواند، نتیجه ای مهلک برای بیماران داشته باشد. این مطالعه با هدف مقایسه مدل شبکه عصبی مصنوعی با آزمایشهای متداول در تشخیص آپاندیسی
هدف: یکی از اهداف تحقیقات پزشکی تعیین عوامل مرتبط در پیش بینی بیماری می باشد. یکی از شایع ترین بیماری های متابولیک در ایران، دیابت میباشد. هدف از این مطالعه شناسایی عوامل موثر در پیش بینی دیابت با استفاده از مدل های شبکه عصبی مصنوعی و درخت تصمیم می باشد. روش بررسی: برای انجام مطا
سابقه و هدف: یکی از روش های آماری تحلیل داده های بقا، مدل رگرسیونی کاکس است که نیازمند پذیره هایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر به کارگیری مدل شبکه عصبی مصنوعی برای پیش بینی داده های بقا، افزایش یافته است. این مطالعه به منظور پیش بینی بقای بیماران مبتلا به سرطان
زمینلغزش به عنوان یکی از مخاطرات طبیعی در مناطق کوهستانی هر ساله منجر به خسارات زیادی میشود. حوضه آبریز سیمره چنار، با داشتن ویژگی های کوهستانی و شرایط طبیعی مختلف دارای استعداد بالقوه زمینلغزش است. هدف از این پژوهش، مقایسه مدل شبکه عصبی مصنوعی با مدل منطق فازی، جهت ارزیابی خط
مقالهمهندسی نقشه برداری و اطلاعات مکانینفیسه قاسمیان، n. ghasemian مهدی آخوند زاده هنزائی، m. akhondzadeh خیابان کارگرشمالی، بالاتر از جلال آل احمد، پردیس دانشکده های فنی، ساختمان مرکزی، طبقه 1-
مقالهی پیشرو به مقایسهی سه روش ماشین بردار پشتیان،شبکهی عصبی مصنوعی و درخت تصمیم گیری با هدف شناسایی ابر میپردازد. وجود ابر در تصاویر ماهوارهای اپتیکی، پیشپردازشهای رادیومتریکی در کاربردهای سنجش از دور را ایجاب میکند. معمولا شناسایی ابر در تصاویر ماهوارهای با استفاده ا
مقالهی پیشرو به مقایسهی سه روش ماشین بردار پشتیان،شبکهی عصبی مصنوعی و درخت تصمیم گیری با هدف شناسایی ابر میپردازد. وجود ابر در تصاویر ماهوارهای اپتیکی، پیشپردازشهای رادیومتریکی در کاربردهای سنجش از دور را ایجاب میکند. معمولا شناسایی ابر در تصاویر ماهوارهای با استفاده ا