عنوان
پدید آورنده
موضوع
رده
کتابخانه
محل استقرار
NATIONAL BIBLIOGRAPHY NUMBER
Country Code
IR
Number
۱۵۳۵پ
LANGUAGE OF THE ITEM
.Language of Text, Soundtrack etc
فارسی
COUNTRY OF PUBLICATION OR PRODUCTlON
Country of publication
IR
TITLE AND STATEMENT OF RESPONSIBILITY
Title Proper
کاربرد شبکه عصبی مصنوعی در پیش بینی پاسخ های دو متغیره آمیخته در بیماری تصلب شرایین
General Material Designation
[پایان‌نامه]
Parallel Title Proper
Application of artificial neural network in prediction of bivariate mixed responses in atherosclerosis disease
.PUBLICATION, DISTRIBUTION, ETC
Name of Publisher, Distributor, etc.
علوم بهزیستی و توانبخشی university of social welfare and rehabilitation))
Date of Publication, Distribution, etc.
، ۱۳۹۱
PHYSICAL DESCRIPTION
Specific Material Designation and Extent of Item
د،۱۰۴ص.
NOTES PERTAINING TO PUBLICATION, DISTRIBUTION, ETC.
Text of Note
چاپی
DISSERTATION (THESIS) NOTE
Dissertation or thesis details and type of degree
کارشناسی ارشد
Discipline of degree
آمارزیستی Biostatistics
Body granting the degree
علوم بهزیستی و توانبخشی university of social welfare and rehabilitation))
SUMMARY OR ABSTRACT
Text of Note
مقدمه و اهداف در مطالعات اپیدمیولوژی و پزشکی، گاهی پژوهشگر با مواردی مواجه می‌شود که لازم است دو متغیر پاسخ را به‌صورت توأم( هم‌زمان) از روی تعدادی متغیر کمکی پیش‌بینی نماید .زمانی‌که متغیر پاسخ آمیخته باشد، باتوجه‌به محدودیت‌ها و برقرارنبودن برخی پیش‌فرض‌ها، روش‌های کلاسیک آماری برای مدل‌بندی و پیش‌بینی کارایی لازم را ندارند .هدف این مطالعه به‌کارگیری مدل شبکه عصبی مصنوعی برای پیش‌بینی متغیر پاسخ آمیخته در بیماری قلبی است .روش کار در پاییز و زمستان ۱۳۹۰، تعداد ۲۷۶ بیمار قلبی که از بیمارستان شهیدمدنی خرم‌آباد ترخیص شده بودند، به‌صورت کوهورت تاریخی مورد مطالعه قرار گرفتند .از این نمونه برای پیش‌بینی توأم کلسترول و سطح LDL استفاده شد .دادها به‌تصادف به دو گروه آموزش(۱۷۵ نفر (و آزمون) ۹۱ نفر)تقسیم شدند .برای تحلیل دادها، از شبکه عصبی مصنوعی با الگوریتم شیب توأم مقیاس‌شده (SCG) و برای تعیین مناسب‌ترین مدل از معیار صحت پیش‌بینی استفاده شد .برای تحلیل از نرم‌افزار MATLAB نسخه ۷/۱۱ استفاده شد .نتایج بالاترین صحت پیش‌بینی برای مدل شبکه عصبی مصنوعی چهار لایه برای متغیر پاسخ آمیخته، برابر ۱۴/۷۶درصد بود .نتیجه‌گیری مدل شبکه عصبی مصنوعی با دو لایه میانی برای پیش‌بینی متغیر پاسخ آمیخته مناسب است .کلیدواژها بیماری قلبی، پاسخ آمیخته، سطحLDL ، شبکه عصبی مصنوعی، کلسترول
Text of Note
Background and Objectives: In epidemiological and medical studies, sometimes researchers are faced for prediction of two response variables (simultaneously) based on a number of independent variables. When the response variable is mixed, according to established limits and absence of assumption, the classical statistical methods are not enough efficient for classification and prediction goals. The purpose of this study is using artificial neural network (ANN) model to predict the mixed response variable in heart disease. Methods: The number of 276 cardiac patients who were discharged from Madani Hospital was studied as historical cohort, from October 2011 to March 2012. This sample was used to predict the cholesterol and also LDL levels of patients. Data was randomly divided into two sets: training (175 cases) and testing (91 cases) sets. Data analysis was made by ANN model with SCG algorithms in MATLAB software, version 7.11 and appropriateness of the model was assessed by the accuracy prediction. Results: The highest accuracy of prediction of mixed response variable was 67.14 percent for a four-layer ANN model Conclusion: The ANN model is suggested to predict the mixed response variable in medical studies. Key Words: Artificial Neural Network, Mixed Response, Cardiac Disease, Cholesterol, LDL level
ba
PARALLEL TITLE PROPER
Parallel Title
Application of artificial neural network in prediction of bivariate mixed responses in atherosclerosis disease
TOPICAL NAME USED AS SUBJECT
Artificial Neural Network
(SUBJECT CATEGORY (Provisional
Subject Category Entry Element Text
شبکه عصبی مصنوعی
Subject Category Entry Element Text
Artificial Neural Network
PERSONAL NAME - PRIMARY RESPONSIBILITY
عادلی، مهین
Adeli, Mahin
PERSONAL NAME - SECONDARY RESPONSIBILITY
بیگلریان، اکبر
بخشی، عنایت‌الله
ORIGINATING SOURCE
Country
ایران
Agency
دانشگاه علوم توان بخشی و سلامت اجتماعی
ELECTRONIC LOCATION AND ACCESS
Host name
1535.PDF
Access number
محرمانه
Compression information
محرمانه
Electronic name
1535.PDF
Bits per second
2143347
Contact for access assistance
مرجع
Electronic Format Type
متن
File size
0
Record control number
۵۳۵۱پایا
DATA NOT CONVERTED FROM SOURCE FORMAT
Tag of the Source Format Field
محل نگهداری: دانشگاه علوم بهزیستی و توانبخشی
نمایه‌سازی قبلی
چاپی-الکترونیکی
TF
1
a
Y
