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:

998
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

601
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

استفاده از شبکه های عصبی مصنوعی و مقایسه با روشهای رگرسیونی در پیش بینی تراکم استخوان زنان یائسه ایرانی

صفحات

 صفحه شروع 205 | صفحه پایان 213

چکیده

  به تازگی استفاده از شبکه های هوش مصنوعی (ANN) درپیش بینی اثرات متغیرهای متعدد و با روابط پیچیده بر روی یک متغیر خاص مورد توجه قرار گرفته است. عوامل محیطی و فیزیولوژیک متعددی در تخمین تراکم استخوان افراد دخیل دانسته شده اند. در این مطالعه, قدرت ANN در پیش بینی وضعیت تراکم استخوان زنان یائسه ایرانی با روشهای قدیمی مقایسه شد. 2158 خانم یائسه ارجاع شده به مرکز تراکم سنجش استخوان بیمارستان دکتر شریعتی به طور تصادفی به سه گروه traning؛ (1400 نفر) Validation؛ (150 نفر) و test؛ (608 نفر) تقسیم شدند. 10 متغیر سن, وزن, سن در هنگام یائسگی, استفاده از کورتیکواستروئیدها, استفاده از استروژن, تعداد حاملگی, سن در هنگام منارک, قد, میزان فعالیت و سیگار کشیدن در این افراد بررسی شدند. مدلهای Robust رگرسیون خطی چند متغیره و ANN در گروه اول ساخته و در گروه دوم Validate شدند و در گروه سوم تفاوت بین متغیرهای نتیجه (T scoreنواحی گردن فمور و مهره های کمری) و مقادیر پیش بینی شده توسط دو مدل مقایسه شدند. برای تخمین قدرت پیش بینی استئوپروز از منحنی ROC با حد برابر 2.5- استفاده شد. مدلهای ANN با 4 متغیر و بیشتر در پیش بینی T score ناحیه گردن فمور و با 5 متغیر و بیشتر در پیش بینی T score ناحیه کمری از مدل رگرسیون قوی تر بودند. این تفاوت نشانگر قدرت بیشتر مدلهای مبتنی بر شبکه های هوش مصنوعی در پیش بینی موارد استئوپروز با استفاده از ریسک فاکتورهای مختلف و لزوم استفاده از این فن آوری در موارد غربالگری جمعیتی می باشد.  

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    سلطانی، اکبر، سادات صفوی، محسن، معیری، علیرضا، نورایی، مهدی، حسین نژاد، آرش، و اردشیرلاریجانی، محمدباقر. (1382). استفاده از شبکه‌های عصبی مصنوعی و مقایسه با روشهای رگرسیونی در پیش بینی تراکم استخوان زنان یائسه ایرانی. مجله تحقیقات علوم پزشکی زاهدان (طبیب شرق) zahedan journal of research in medical sciences، 5(4)، 205-213. SID. https://sid.ir/paper/84614/fa

    Vancouver: کپی

    سلطانی اکبر، سادات صفوی محسن، معیری علیرضا، نورایی مهدی، حسین نژاد آرش، اردشیرلاریجانی محمدباقر. استفاده از شبکه‌های عصبی مصنوعی و مقایسه با روشهای رگرسیونی در پیش بینی تراکم استخوان زنان یائسه ایرانی. مجله تحقیقات علوم پزشکی زاهدان (طبیب شرق) zahedan journal of research in medical sciences[Internet]. 1382؛5(4):205-213. Available from: https://sid.ir/paper/84614/fa

    IEEE: کپی

    اکبر سلطانی، محسن سادات صفوی، علیرضا معیری، مهدی نورایی، آرش حسین نژاد، و محمدباقر اردشیرلاریجانی، “استفاده از شبکه‌های عصبی مصنوعی و مقایسه با روشهای رگرسیونی در پیش بینی تراکم استخوان زنان یائسه ایرانی،” مجله تحقیقات علوم پزشکی زاهدان (طبیب شرق) zahedan journal of research in medical sciences، vol. 5، no. 4، pp. 205–213، 1382، [Online]. Available: https://sid.ir/paper/84614/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