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

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:

798
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

210
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

2

اطلاعات مقاله نشریه

عنوان

طراحی شبکه عصبی مصنوعی برای پیش بینی توام سندرم متابولیک و شاخص مقاومت به انسولین (HOMA-IR): مطالعه قند و لیپید تهران

صفحات

 صفحه شروع 29 | صفحه پایان 38

چکیده

 مقدمه و هدف: زمانی که در یک مطالعه بیش از یک متغیر پاسخ با مقیاس اندازه گیری متفاوت داشته باشیم, این گونه پاسخ ها را چندمتغیره آمیخته می گویند. با توجه به محدودیت ها و برقرارنبودن برخی پیش فرض ها, روش های کلاسیک آماری برای مدل بندی و پیش بینی این پاسخ ها کارایی ندارند. هدف این مطالعه, طراحی شبکه عصبی مصنوعی برای مدل بندی و پیش بینی پاسخ های دومتغیره آمیخته شامل سندرم متابولیک و شاخص HOMA-IR  می باشد.مواد و روش ها: تعداد 347 نفر از افراد شرکت کننده در مطالعه قند و لیپید تهران, که در فاز اول مطالعه بر اساس تعریف ATPIII مبتلا به سندرم متابولیک نبودند, به عنوان نمونه انتخاب شدند. متغیرهای دموگرافیک, سابقه بیماری قلبی - عروقی, نمایه توده بدنی, LDL, HDL, کلسترول تام, تری گلیسیرید, قندخون ناشتا و دوساعته, سیگار, فشار خون سیستولیک, دیاستولیک و دور کمر ثبت شدند. شاخص HOMA-IR و بروز سندرم متابولیک پس از سه سال پیگیری به عنوان متغیرهای پاسخ درنظر گرفته شدند. برازش مدل های مختلف شبکه عصبی در دو مرحله برای تعیین تعداد گره ها در لایه میانی و تعیین بهترین الگوریتم آموزش انجام شد و پیش بینی بر اساس این مدل ها صورت گرفت. از شاخص صحت پیش بینی به عنوان معیار مقایسه مدل های نهایی استفاده شد. برای طراحی و برازش مدل ها از نرم افزار MATLAB استفاده شد.نتایج: در مرحله اول مدل سازی, مدل با ده گره در لایه میانی با صحت پیش بینی 56/67 و 69 درصد به ترتیب برای داده های آزمون و اعتبارسنجی و در مرحله دوم, الگوریتم های SCG, OSS و RP به ترتیب با صحت پیش بینی 78, 76 و 76 درصد برای داده های اعتبارسنجی و 78.37, 74.32 و 75.67 درصد دارای بیشترین صحت پیش بینی بودند.نتیجه گیری: تحقیق نشان داد که مدل های شبکه عصبی مصنوعی با الگوریتم های آموزش SCG, OSS و RP به ترتیب دارای بیشترین صحت پیش بینی سندرم متابولیک و شاخص HOMA-IR به صورت همزمان هستند.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    سدهی، مرتضی، محرابی، یداله، کاظم نژاد، انوشیروان، جوهری مجد، وحید، و حدائق، فرزاد. (1388). طراحی شبکه عصبی مصنوعی برای پیش بینی توام سندرم متابولیک و شاخص مقاومت به انسولین (HOMA-IR): مطالعه قند و لیپید تهران. دانشور پزشکی، 17(85)، 29-38. SID. https://sid.ir/paper/457750/fa

    Vancouver: کپی

    سدهی مرتضی، محرابی یداله، کاظم نژاد انوشیروان، جوهری مجد وحید، حدائق فرزاد. طراحی شبکه عصبی مصنوعی برای پیش بینی توام سندرم متابولیک و شاخص مقاومت به انسولین (HOMA-IR): مطالعه قند و لیپید تهران. دانشور پزشکی[Internet]. 1388؛17(85):29-38. Available from: https://sid.ir/paper/457750/fa

    IEEE: کپی

    مرتضی سدهی، یداله محرابی، انوشیروان کاظم نژاد، وحید جوهری مجد، و فرزاد حدائق، “طراحی شبکه عصبی مصنوعی برای پیش بینی توام سندرم متابولیک و شاخص مقاومت به انسولین (HOMA-IR): مطالعه قند و لیپید تهران،” دانشور پزشکی، vol. 17، no. 85، pp. 29–38، 1388، [Online]. Available: https://sid.ir/paper/457750/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