جستجو در مقالات منتشر شده


3 نتیجه برای شبکه‌های عصبی مصنوعی
پیش‌بینی بقای پنج ساله پیوند کلیه با استفاده از مدل شبکه عصبی مصنوعی: گزارش 22 سال پی‌گیری از 316 بیمار در اصفهان
مهدی اشرفی، محمد تقی حمیدی بهشتی، شهرزاد شهیدی، فرزانه اشرفی،
دوره 67، شماره 5 - ( 5-1388 )
چکیده
زمینه و هدف: در زمینه بررسی بقا کلیه پیوندی در ایران مطالعاتی با رویکرد صرفاً بالینی انجام شده است. این مقاله به بررسی و تعیین عوامل تاثیرگذار بر بقا پیوند کلیه بعد از عمل پیوند می‌پردازد و با استفاده از توانایی شبکه‌های عصبی در زمینه مدل‌سازی روابط پیچیده، در این مقاله مدلی برای پیش‌بینی بقای پنج ساله کلیه‌های پیوندی ارائه شده است.
روش بررسی: این مطالعه به‌صورت گذشته‌نگر بر روی 316 بیمار گیرنده پیوند کلیه از سال 1363 تا سال 1385 انجام شده است. از روش‌های کاپلان مایر، آزمون رگرسیون کاکس، نیکویی برازش و شبکه‌های عصبی مصنوعی برای تحلیل استفاده شده است.
یافته‌ها: عوامل شاخص توده بدنی و نوع پیوند (جسد یا زنده) از عوامل تاثیرگذار بر بقای کلیه پیوندی می‌باشند. بقای یک‌ساله، سه ساله و پنج سال کلیه پیوندی به‌ترتیب 96 و 93 و 90 درصد برآورد شده است. نتایج تست مدل شبکه عصبی ایجاد شده برای پیش‌بینی بقای پنج ساله بیماران حاکی از آن است که علاوه بر دقت مناسب شبکه (72 درصد)، نتایج به‌دست آمده از شبکه، نیکویی برازش مناسبی نیز دارند و حساسیت مدل در شناسایی صحیح کلیه‌های بقا یافته بیشتر از شناسایی صحیح کلیه‌های از دست رفته می‌باشد (72 درصد در مقابل 61 درصد).
نتیجه‌گیری: میزان بقای کلیه پیوندی در پیوندهای زنده بیشتر از پیوندهای جسدی می‌باشد. با افزایش شاخص توده بدنی بیماران در زمان پیوند، میزان بقای کلیه پیوندی کاهش می‌یابد. از شبکه‌های عصبی در ایجاد مدل‌هایی برای پیش‌بینی بقای کلیه پیوندی می‌توان استفاده نمود.


انتخاب ویژگی‌های مؤثر کلینیکی و ژنتیکی به‌منظور پیش‌بینی دوز وارفارین با استفاده از شبکه‌های عصبی مصنوعی
محمد کریم سهرابی، علیرضا تاجیک،
دوره 73، شماره 12 - ( 12-1394 )
چکیده

زمینه و هدف: وارفارین داروی ضدانعقاد می‌باشد که نقش آن پیشگیری از ایجاد لختگی است. هدف از این مقاله، ارایه روشی مناسب برای انتخاب ویژگی‌های مهم کلینیکی و ژنتیکی و پیش‌بینی میزان دوز وارفارین بود.

روش بررسی: این مطالعه تجربی، از اردیبهشت تا خرداد 1394 بر روی 552 نفر از بیمارانی که در بیمارستان مرکز قلب تهران کاندید استفاده از وارفارین بودند، انجام گرفت. عوامل تأثیرگذار در میزان دوز استخراج شده، و روش‌های انتخاب ویژگی و شبکه‌های عصبی در نرم‌افزار MATLAB (MathWorks, MA, USA) پیاده‌سازی گردید.

یافته‌ها: از بین دو الگوریتم به‌کار گرفته شده، الگوریتم بهینه‌سازی ازدحام ذرات دارای دقت مناسب‌تری بوده و برای میانگین مربعات خطا، جذر میانگین مربعات خطا و میانگین قدر مطلق خطا به ترتیب 0262/0، 1621/0 و 1164/0 به‌دست آمد.

نتیجه‌گیری: بر اساس نتایج به‌دست آمده، با تعداد ویژگی‌های کمتر، می‌توان به دقت مناسبی از پیش‌بینی دوز وارفارین دست یافت. همچنین از این مدل می‌توان به‌عنوان یک سیستم پشتیبان تصمیم‌گیری بهره برد.


طراحی سیستم تصمیم‌یار بالینی برای ارزیابی لنزهای تماسی
فاطمه فلاحتی مروست، حسین عرب‌علی‌بیک، فاطمه علیپور، عباس شیخ‌طاهری، لیلا نوری،
دوره 76، شماره 12 - ( 12-1397 )
چکیده
زمینه و هدف: تجویز لنز مناسب به منظور ایجاد دید بهتر و کاهش عوارض جانبی، فرآیندی چند مرحله‌ای، پیچیده، زمان‌بر و شامل ملاحظات فراوان است که انجام آن تنها توسط یک متخصص چشم خبره امکان‌پذیر است. هدف این مطالعه، طراحی یک سیستم تصمیم‌یار در زمینه‌ی تجویز لنزهای تماسی بود.
روش بررسی: در این مطالعه‌ی بنیادی، داده‌های مربوط به ۱۲۷ بیمار مبتلا به کراتوکونوس مراجعه‌کننده به درمانگاه لنز بیمارستان فارابی دانشگاه علوم پزشکی تهران در بازه‌ی زمانی اسفند ۱۳۹۲ تا تیرماه ۱۳۹۳ مورد استفاده قرار گرفته است. پنج پارامتر در فرآیند تجویز لنز مورد بررسی قرار گرفت. پارامترهای "موقعیت قرارگیری لنز در راستای عمودی"، "میزان حرکت عمودی لنز حین پلک زدن" و "پهنای ریم در الگوی فلورسین" از طریق تهیه ویدیو از بیمار و "میزان تجمع فلورسین زیر لنز" توسط پزشک و "میزان راحتی لنز" از طریق پرسش از بیمار به‌دست آمد. مناسب و نامناسب بودن لنز توسط پزشک متخصص تشخیص داده و ثبت شد. از شبکه عصبی مصنوعی به منظور طراحی سیستم تصمیم‌یار استفاده شد. سیستم توسط ماتریس کانفیوژن مورد ارزیابی قرار گرفت.
یافته‌ها: پس از ارزیابی، سیستم میزان صحت، حساسیت و ویژگی سیستم به‌ترتیب ۹۱/۳، ۸۹/۸ و ۹۲/۶% به‌دست آمد. شعاع‌های مختلفی برای سیگما در نظرگرفته شد که در نهایت شعاع ۱/۱ بهترین نتیجه را در دسته‌بندی لنز به‌دست آورد.
نتیجه‌گیری: اعداد به‌دست آمده از ارزیابی سیستم نشان داد استفاده از شبکه عصبی مصنوعی به‌‌عنوان یک سیستم تصمیم‌یار می‌تواند با دقت قابل قبول، ارزیابی لنز تماسی سخت را مورد بررسی قرار داده و لنزهای مناسب و نامناسب را تفکیک نماید.

صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 , Tehran University of Medical Sciences, CC BY-NC 4.0

Designed & Developed by : Yektaweb