مجله

 زمینه و هدف: احتمال ابتلا به سرطان سینه با افزایش فشردگی بافت سینه بیشتر می‌شود. فشردگی بافت به وجود سلولهای غدد شیری در بافت نرم سینه وابسته است. بنابراین، کشف غدد سرطانی در سینه‌های فشرده مستلزم توجه بیشتر از سوی پزشکان است. هدف اصلی این مقاله ارائه روش کمی برای تعیین و دسته بندی فشردگی بافت سینه در تصاویر ماموگرام دیجیتال با استفاده از منطق فازی می‌باشد.

 روش بررسی: این پژوهش از نوع مقطعی و توسعه‌ای است که منجر به پیشنهاد و توسعه‌ی یک نظام جدید می‌گردد. جامعه پژوهش مشتمل بر کلیه بیمارانی بود که به مرکز ملی سرطان مالزی برای انجام ماموگرافی بین سال‌های 2010 تا 2011 مراجعه نموده‌اند. حجم نمونه، مشتمل بر 220 تصویر ماموگرام بود که به صورت تصادفی از بین تصاویر موجود در بانک اطلاعات مرکز ملی سرطان مالزی انتخاب گردید. برای تعیین میزان انطباق پاسخ‌های این نظام با تشخیص پزشک، از آزمون کاپا در محیط نرم افزار SPSS استفاده شد.

 یافته‌ها: براساس نتایج بدست آمده، در 8/92 درصد موارد فشردگی بافت سینه بدرستی تشخیص داده شد و همبستگی شدیدی بین نتایج حاصل از سیستم و نظر رادیولوژیست‌ها وجود داشت(0001/0 p= ، 87/0 k= ).

 نتیجه‌گیری: نتایج حاصل از سیستم پیشنهادی نسبت به موارد مشابه از کارایی بیشتری برخوردار بود؛ در نتیجه می‌توان استنباط نمود که از منطق فازی در این زمینه می‌توان بهره مند گردید. به علاوه، استفاده از اینگونه نظام‌ها کمک موثری برای پزشکان خواهد بود.

زمینه و هدف: تشخیص درست عارضه مسمومیت حاملگی در به کارگیری طرح درمان مناسب برای بیماران نقش اساسی دارد. هدف این مطالعه طراحی سیستم خبره جهت تشخیص این عارضه و کمک به متخصصان بالینی است.

روش بررسی: این مطالعه از نوع توسعه‌ای بود که به صورت مقطعی انجام شد. سه مرکز درمانی زنان و زایمان وابسته به دانشگاه علوم پزشکی تهران به عنوان مکان پژوهش در نظر گرفته شد. حجم نمونه شامل 215 پرونده بود که به صورت تصادفی انتخاب شدند. نتایج حاصل از سیستم پیشنهادی با نتایج اعلام شده از طرف متخصصان با آزمون کاپا و با استفاده از نرم‌افزار SPSS مورد مقایسه قرار گرفت.

یافته‌ها: ابتدا پارامترهای ورودی، فازی سازی و سپس به موتور استنتاج وارد شدند. نتایج خروجی به صورت گروه بندی شده در دو گروه بیمار یا سالم، به عنوان تشخیص نهایی و در قالب توضیحات بالینی ارائه شد. نتایج حاصل از آزمون سیستم نشان داد که صحت، ویژگی و حساسیت به ترتیب 98 درصد، 100 درصد و 96 درصد بود.

نتیجه‌گیری: با توجه به میزان بالای صحت، ویژگی و حساسیت حاصل از ارزیابی سیستم، منطق فازی می‌تواند روشی کارآمد برای طراحی سیستم‌های خبره در حوزه زنان و زایمان باشد و برای تشخیص سایر اختلالات دوران بارداری و پیشگیری از عوارض خطرناک برای مادر و نوزاد موثر واقع شود.

زمینه و هدف: تشخیص افتراقی مننژیت باکتریال امری پیچیده است، زیرا ویژگی های تشخیصی زیادی در آن دخالت دارد. از سوی دیگر، امروزه منطق فازی و شبکه های عصبی مبنای بسیاری از سیستم های هوشمند هستند و ظرفیت لازم را برای حل مشکلات تشخیصی این بیماری دارند. هدف این مقاله، مقایسه ی منطق فازی و شبکه های عصبی مصنوعی در افتراق مننژیت باکتریال از سایر مننژیت هاست. 
روش بررسی: در این مطالعه برای تشخیص افتراقی مننژیت باکتریال از سایر مننژیت ها،  ابتدا 6 فاکتور اصلی با مشورت پزشکان انتخاب شد. در مرحله دوم از نرم افزار MatLab برای طراحی سیستم ها استفاده شد و سپس با استفاده از داده های 26 بیمار هر دو سیستم ارزیابی گردید.
یافته ها: تشخیص افتراقی مننژیت باکتریال از دیگر مننژیت ها در سیستم مبتنی بر منطق فازی، صحت، ویژگی و حساسیت  تشخیص 88، 92 و 100، و در سیستم مبتنی بر شبکه ی عصبی نیز 92، 94 و 88 درصد را نشان داد. آزمون کاپای این دو به ترتیب 0/830(0/001>p) و 0/830 با (0/001>p) و فضای زیر منحنی ROC نیز معادل و 0/940 و 0/910 بود.
نتیجه گیری: حساسیت، میزان تطابق و عملکرد روش منطق فازی نسبت به روش شبکه عصبی بهتر است. اگر چه، منطق فازی برای تشخیص افتراقی مننژیت باکتریال قابل اعتمادتر بود. اما از آنجایی که دو سیستم با استفاده از داده های 26 بیمار و از یک مرکز مورد ارزیابی قرار گرفته، بهتر است در مطالعات آینده موارد بیشتری بررسی شود.