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:

1,459
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

675
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه مدل شبکه عصبی مصنوعی و درخت تصمیم برای شناسایی و پیش بینی عوامل مرتبط با دیابت نوع2

صفحات

 صفحه شروع 19 | صفحه پایان 32

چکیده

 هدف: یکی از اهداف تحقیقات پزشکی تعیین عوامل مرتبط در پیش ­ بینی بیماری می ­ باشد. یکی از شایع ­ ترین بیماری های متابولیک در ایران, دیابت می­ باشد. هدف از این مطالعه شناسایی عوامل موثر در پیش بینی دیابت با استفاده از مدل­ های شبکه عصبی مصنوعی و درخت تصمیم می ­ باشد. روش بررسی: برای انجام مطالعه, پرونده 901 تن از افرادی که در سال­ های 91 و 92 به مراکز بهداشتی شهر مشهد مراجعه کرده بودند, استفاده گردید. در ابتدا با استفاده از روش­ های آمار توصیفی و تحلیلی, داده ­ ها آنالیز شدند. سپس 70% داده­ ها به طور تصادفی برای ساخت مدل­ های شبکه عصبی مصنوعی و درخت تصمیم انتخاب شدند. 30% باقیمانده برای مقایسه عملکرد مدل ­ ها استفاده شد. در نهایت عملکرد مدل ­ ها با استفاده از سطح زیر منحنی راک (ROC) مورد مقایسه قرار گرفت. یافته ­ ها: توسعه دو مدل پیش ­ بینی با استفاده از 14 متغیر انجام شد. دو مدل از نظر سطح زیر منحنی راک, حساسیت, ویژگی و صحت مورد ارزیابی قرار گرفتند. برای مدل شبکه عصبی, سطح زیر منحنی راک و حساسیت به ترتیب 69/1 و 74/2 بدست آمد. برای مدل درخت تصمیم نیز سطح زیر منحنی راک و حساسیت به ترتیب 68/9 و 64/77 بدست آمد. در هر دو مدل متغیرهای سابقه خانوادگی دیابت, تری گلیسرید, شاخص توده بدنی, لیپوپروتئین با چگالی کم و فشار خون سیستولیک و دیاستولیک مهم ترین عوامل مرتبط در شناسایی دیابت نوع 2 بودند. نتیجه گیری: نتایج نشان داد که مدل شبکه عصبی چند لایه سطح زیر منحنی راک بهتری نسبت به درخت تصمیم CART در پیش ­ بینی دیابت نوع 2 دارد. همچنین لیپوپروتئین با چگالی کم مهم ­ ترین عوامل مرتبط در شناسایی دیابت نوع 2 می ­ باشد. مطالعه حاکی از آنست که روش ­ های داده­ کاوی نوین از جمله شبکه عصبی مصنوعی و درخت تصمیم می ­ توانند برای شناسایی عوامل مرتبط با بیماری­ ها مورد استفاده قرار گیرند.

استنادها

  • ثبت نشده است.
  • ارجاعات

    استناددهی

    APA: کپی

    میرزاخانی، فرزاد، کاظمی، آذر، رسولیان کسرینه، مرجان، جوادموسوی، سیدیوسف، و امیرآبادی زاده، علیرضا. (1397). مقایسه مدل شبکه عصبی مصنوعی و درخت تصمیم برای شناسایی و پیش بینی عوامل مرتبط با دیابت نوع2. علوم پیراپزشکی و توانبخشی مشهد، 7(4 )، 19-32. SID. https://sid.ir/paper/245358/fa

    Vancouver: کپی

    میرزاخانی فرزاد، کاظمی آذر، رسولیان کسرینه مرجان، جوادموسوی سیدیوسف، امیرآبادی زاده علیرضا. مقایسه مدل شبکه عصبی مصنوعی و درخت تصمیم برای شناسایی و پیش بینی عوامل مرتبط با دیابت نوع2. علوم پیراپزشکی و توانبخشی مشهد[Internet]. 1397؛7(4 ):19-32. Available from: https://sid.ir/paper/245358/fa

    IEEE: کپی

    فرزاد میرزاخانی، آذر کاظمی، مرجان رسولیان کسرینه، سیدیوسف جوادموسوی، و علیرضا امیرآبادی زاده، “مقایسه مدل شبکه عصبی مصنوعی و درخت تصمیم برای شناسایی و پیش بینی عوامل مرتبط با دیابت نوع2،” علوم پیراپزشکی و توانبخشی مشهد، vol. 7، no. 4 ، pp. 19–32، 1397، [Online]. Available: https://sid.ir/paper/245358/fa

    مقالات مرتبط نشریه ای

    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