عنوان

کاربرد شبکه عصبی مصنوعی در پیش بینی پاسخ های دو متغیره آمیخته در بیماری تصلب شرایین

کد کشور

IR

شماره

۱۵۳۵پ

زبان متن نوشتاري يا گفتاري و مانند آن

فارسی

کشور محل نشر

IR

عنوان اصلي

کاربرد شبکه عصبی مصنوعی در پیش بینی پاسخ های دو متغیره آمیخته در بیماری تصلب شرایین

نام عام مواد

[پایان‌نامه]

عنوان اصلي به زبان ديگر

Application of artificial neural network in prediction of bivariate mixed responses in atherosclerosis disease

نام ناشر، پخش کننده و غيره

علوم بهزیستی و توانبخشی university of social welfare and rehabilitation))

تاریخ نشرو بخش و غیره

، ۱۳۹۱

نام خاص و کميت اثر

د،۱۰۴ص.

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

آمارزیستی Biostatistics

کسي که مدرک را اعطا کرده

علوم بهزیستی و توانبخشی university of social welfare and rehabilitation))

متن يادداشت

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

متن يادداشت

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

خط فهرستنویسی و خط اصلی شناسه

ba

عنوان اصلي به زبان ديگر

Application of artificial neural network in prediction of bivariate mixed responses in atherosclerosis disease

موضوع مستند نشده

Artificial Neural Network

متن عنصر شناسه ای مقوله موضوعی

شبکه عصبی مصنوعی

متن عنصر شناسه ای مقوله موضوعی

Artificial Neural Network

مستند نام اشخاص تاييد نشده

عادلی، مهین

مستند نام اشخاص تاييد نشده

Adeli, Mahin

مستند نام اشخاص تاييد نشده

بیگلریان، اکبر

مستند نام اشخاص تاييد نشده

بخشی، عنایت‌الله

کشور

ایران

سازمان

دانشگاه علوم توان بخشی و سلامت اجتماعی

نام ميزبان

1535.PDF

شماره دسترسي

محرمانه

اطلاعات مختصر

محرمانه

نام الکترونيکي

1535.PDF

بيت در ثانيه

2143347

ارتباط براي تسهيلات دسترسي

مرجع

نوع فرمت الکترونيکي

متن

اندازه فايل

0

شماره کنترل رکورد

۵۳۵۱پایا

شماره فيلد فرمت مبدا

محل نگهداری: دانشگاه علوم بهزیستی و توانبخشی

وضعیت فهرست نویسی

نمایه‌سازی قبلی

فرمت انتشار

چاپی-الکترونیکی

نوع ماده

TF

پیشوند ISBD اعمال شده است

1

سطح دسترسي

a

تكميل شده

Y