چکیده

چکیده: سندرم کرونری حاد یکی از خطرناکترین و حساسترین بیماری های قلبی عروقی می باشد که در صورت تأخیر در تشخیص و شروع درمان، می تواند منجر به مرگ شود. روش های هوشمند تشخیص بیماری می توانند به عنوان روش تصمیم یار پزشک در بخش های اورژانس و یا قبل از بیمارستان جهت کاهش تأخیر در تشخیص اولیه بیماری مورد استفاده موثر قرار گیرند. در تحقیقات پیشین عمدتا به منظور تشخیص هوشمند بیماری صرفا متغیرهای بالینی مراجعین مورد استفاده قرار گرفته است، حال آنکه عوامل دیگر مانند آلودگی هوا می توانند نقش قابل توجهی در بروز و تشدید بیماری های قلبی عروقی ایفا نمایند. در تحقیق حاضر به منظور تشخیص هوشمند بیماری سندرم کرونری حاد بر اساس تلفیق متغیرهای بالینی و عوامل آلودگی هوا از مدل سیستم استنتاج عصبی-فازی تطبیقی (ANFIS) و بیزین ساده استفاده شده است. عوامل آلودگی هوا با استفاده از سیستم های اطلاعات مکانی به صورت سالانه برای نمونه ها محاسبه و استخراج شده است. نتایج پیاده سازی نشان داد که مدل ANFIS با دقت 86% نسبت به مدل بیزین ساده از عملکرد بهتری برخوردار است. همچنین مدل بیزین ساده با تشخیص درست تمام نمونه های بیمار از حساسیت بالاتری نسبت به مدل ANFIS برخوردار است. مدل ANFIS با شفافیت 64% نسبت به مدل بیزین ساده (شفافیت 9%)، در تشخیص نمونه های سالم از عملکرد بسیار بالاتری برخوردار است.

کليدواژه ها

سندرم کرونری حاد، آلودگی هوا، سیستم های اطلاعات مکانی، سیستم استنتاج عصبی-فازی تطبیقی، بیزین ساده

کد مقاله / لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :

نحوه استناد به مقاله

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ایمان زندی , 1400 , تشخیص هوشمند بیماری سندرم کرونری حاد بوسیله سیستم استنتاج عصبی-فازی تطبیقی بر مبنای تلفیق اطلاعات بالینی و داده های آلودگی هوا , نخستین همایش بین المللی و سومین همایش ملی ریاضیات زیستی