مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

90
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

481
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

توسعه یک مدل یادگیری ماشین بانظارت برای پیش بینی مرگ بیماران مبتلا به شوک کاردیوژنیک ناشی از انفارکتوس قلبی

صفحات

 صفحه شروع 151 | صفحه پایان 166

چکیده

 زمینه و هدف مطالعات متعددی نشان می دهند که میزان مرگ بیماران بستری شده به دلیل ابتلا به انفارکتوس میوکارد با افزایش قطعه ST (STEMI) در صورت وقوع شوک کاردیوژنیک (CS) به طور قابل ملاحظه ای افزایش می یابد. مشخصات دموگرافیک بیمار, نوع انفارکتوس قلبی, علایم بالینی, و روش های درمانی اتخاذشده توسط پزشکان از عوامل موثر در مرگ بیماران STEMI-CS است. در این پژوهش, یک مدل ترکیبی یادگیری ماشین نظارتی با استفاده از الگوریتم بهینه سازی آنتی کرونا (ACVO) و ماشین بردار پشتیبان (SVM) برای پیش بینی مرگ بیماران بستری شده به علت عارضه STEMI-CS ارایه شده است. مدل پیشنهادی همچنین در تعیین موثرترین پارامترها در مرگ بیماران نیز مفید است. روش کار به منظور پیش بینی وضعیت بیماران مبتلا به STEMI-CS, روش ACVO-SVM ارایه شده است که با دریافت علایم بیمار, مشخصات دموگرافیک, و سابقه درمانی صورت گرفته, تشخیص می دهد که بیمار زنده خواهد ماند یا خیر. روش پیشنهادی از ترکیب الگوریتم ACVO و مدل SVM ساخته شده است. دلیل استفاده از الگوریتم ACVO, انتخاب مجموعه پارامترهای موثر در پیش بینی وضعیت بیماران و تعیین مقادیر بهینه برای پارامترهای مدل SVM است تا سیستم یادگیر کیفیت بیشتری در فرآیند آموزش داشته و کارایی مطلوبی در دسته بندی داده ها فراهم کند. برای ارزیابی مدل پیشنهادی از یک مجموعه داده حاوی اطلاعات 410 بیمار بستری شده STEMI-CS در بیمارستان شهید مدنی دانشگاه علوم پزشکی تبریز, استفاده شده است. داده های جمع آوری شده مربوط به یک دوره 10 ساله از سال 1388 تا 1397 است. یافته ها مدل پیشنهادی ACVO-SVM با مدل های پیش بینی کننده مطرحی همچون رگرسیون LASSO, سیستم استنتاج فازی-عصبی تطبیقی (ANFIS), مدل گرادیان تقویت شدید (XGBoost) و مدل SVM استاندارد مقایسه شده است. نتایج آزمایش ها نشان می دهند که مدل ACVO-SVM در قیاس با همتایان خود از کارایی طبقه بندی بهتری برخوردار است. نتایج بر روی مجموعه داده آزمون نشان داد که مشخصه سن, جنسیت, نوع انفارکتوس قلبی, مصرف سیگار, مداخلات عروقی از راه پوست و جراحی بای پس عروق کرونری به عنوان موثرترین عوامل در مرگ بیماران STEMI-CS هستند. نتیجه گیری در این مطالعه, یک مدل یادگیری ماشین نظارتی برای تعیین وضعیت بیماران STEMI-CS ارایه شده است. نتایج به دست آمده حاکی از آن است که مدل پیشنهادی ACVO-SVM به سادگی بر روی مجموعه داده های آموزشی مختلف قابل آموزش بوده و توانایی مناسبی برای دسته بندی بیماران دارد. در این پژوهش, ارزیابی مدل ها بر روی یک مجموعه داده کوچک صورت گرفت. بنابراین, یکی از کارهای لازم برای بهبود این پژوهش, ارزیابی روش پیشنهادی و سایر مدل های همتا بر روی مجموعه داده های بزرگ به منظور تعیین نقاط قوت و ضعف آن ها است.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    امامی، حجت. (1402). توسعه یک مدل یادگیری ماشین بانظارت برای پیش بینی مرگ بیماران مبتلا به شوک کاردیوژنیک ناشی از انفارکتوس قلبی. علوم پزشکی رازی (مجله دانشگاه علوم پزشکی ایران)، 30(1 )، 151-166. SID. https://sid.ir/paper/1130581/fa

    Vancouver: کپی

    امامی حجت. توسعه یک مدل یادگیری ماشین بانظارت برای پیش بینی مرگ بیماران مبتلا به شوک کاردیوژنیک ناشی از انفارکتوس قلبی. علوم پزشکی رازی (مجله دانشگاه علوم پزشکی ایران)[Internet]. 1402؛30(1 ):151-166. Available from: https://sid.ir/paper/1130581/fa

    IEEE: کپی

    حجت امامی، “توسعه یک مدل یادگیری ماشین بانظارت برای پیش بینی مرگ بیماران مبتلا به شوک کاردیوژنیک ناشی از انفارکتوس قلبی،” علوم پزشکی رازی (مجله دانشگاه علوم پزشکی ایران)، vol. 30، no. 1 ، pp. 151–166، 1402، [Online]. Available: https://sid.ir/paper/1130581/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button