Hormozgan Medical Journal، جلد ۲۰، شماره ۱، صفحات ۱-۱۰
عنوان فارسی ایجاد سیستم خبره برای تشخیص افتراقی بتاتالاسمی مینور از کم‌خونی فقرآهن با استفاده از شبکه عصبی
چکیده فارسی مقاله مقدمه: شبکه‌های عصبی مصنوعی، نوعی سیستم حل مشکل هستند که از تکنولوژی‌های خیلی پیچیده و راه‌حل‌های غیرالگوریتمی استفاده می‌کنند، به دلیل همین ویژگی، برای حالت‌های متنوع ممکن در پزشکی مناسب می‌باشند. هدف این پژوهش، بررسی کاربرد شبکه عصبی مصنوعی در تشخیص افتراقی بتاتالاسمی مینور از کم‌خونی فقرآهن است. روش کار: پژوهش حاضر از نوع پژوهش‌های توسعه‌ای می‌باشد، که به صورت توصیفی - مقطعی انجام گردید. جامعه پژوهش، نتایج آزمایشگاهی CBC، 394نفر از افراد مراجعه‌کننده برای آزمایشات قبل از ازدواج در نیمه اول سال 92 بوده است. به منظور ایجاد شبکه عصبی، از نرم‌افزار MatLab (نسخه 2011 آ) استفاده شد. الگوریتم‌های یادگیری مختلف پس انتشار خطا در شبکه عصبی مقایسه شده و نهایتاً با استفاده از ماتریس کانفیوژن و منحنی مشخصه عملکرد، بهینه‌ترین ساختار شبکه، به لحاظ حساسیت، ویژگی و صحت سیستم در تشخیص انتخاب گردید. نتایج: سیستم تشخیصی پیشنهادی برمبنای شبکه عصبی پرسپترون چندلایه با چهار ورودی و 100نرون و یک لایه مخفی توانست با ویژگی 92 درصد، حساسیت 94 درصد و صحت 9/93 درصد به عنوان قوی‌ترین ابزار برای این تشخیص افتراقی استفاده شود. نویسنده مسئول: دکتر مصطفی لنگری‌زاده گروه انفورماتیک پزشکی، دانشگاه علوم پزشکی ایران تهران - ایران تلفن: 9198616016 98+ پست الکترونیکی: langarizadeh2001@yahoo.com نتیجه‌گیری: شبکه‌های عصبی مصنوعی ساختارهای قدرتمندی برای دسته‌بندی داده‌ها و یادگیری الگوها دارند. به نظر می‌رسد از میان روش‌های مختلف آموزش، روش پس انتشار خطا با الگوریتم لونبرگ مارکواردت، با همگرایی سریع‌تر در آموزش شبکه، بهترین نتیجه را داشته و از صحت قابل توجهی برای تفکیک درست افراد سالم و بیمار برخوردار است. با این روش پیشنهادی می‌توان به تشخیص‌های دقیق، صحیح، به موقع و ارزان قیمت دست یافت. توسعه این سیستم در راستای کاربرد سیستم‌های خبره هوشمند به عنوان چشم‌انداز جدیدی در عرصه سیستم‌های پزشکی مطرح می‌شود.
کلیدواژه‌های فارسی مقاله کم‌خونی فقرآهن، بتا تالاسمی مینور
عنوان انگلیسی Designing an expert system for differential diagnosis of β-Thalassemia minor and Iron-Deficiency anemia using neural network
چکیده انگلیسی مقاله Introduction: Artificial neural networks are a type of systems that use very complex technologies and non-algorithmic solutions for problem solving. These characteristics make them suitable for various medical applications. This study set out to investigate the application of artificial neural networks for differential diagnosis of thalassemia minor and iron-deficiency anemia. Methods: It is a developmental study with a cross-sectional-descriptive design. The statistical population included CBC results of 395 individuals visiting for premarital tests from 21 March to 21 June, 2013. For development of the neural network, MATLAB 2011 was used. Different training algorithms were compared after error propagation in the neural network. Finally, the best network structure (concerning diagnostic sensitivity, specificity, and accuracy) was selected, using the confusion matrix and the receiver operating characteristic (ROC). Correspondence: Mostafa Langarizadeh, PhD. Department of Medical Information, Faculty of Health Management and Information Sciences, Iran University of Medical Sciences. Tehran, Iran Tel:+98 9198616016 Email: langarizadeh2001@yahoo.com Results: The proposed system was based on a multi-layer perceptron algorithm with 4 inputs, 100 neurons, and 1 hidden layer. It was used as the most powerful differential diagnosis instrument with specificity, sensitivity and accuracy of 92%, 94%, and 93.9%, respectively. Conclusion: The artificial neural networks have powerful structures for categorizing data and learning the patterns. Among different training methods, the Levenberg-Marquardt backpropagation algorithm produced the best results due to faster convergence in network training. It also showed considerable accuracy in differentiating patients from healthy individuals. The proposed method allows accurate, correct, timely, and cost-effective diagnoses. In line with the application of intelligent expert systems, development of this system is presented as a new outlook for medical systems.
کلیدواژه‌های انگلیسی مقاله Anemia, Iron Deficiency, Beta-Thalassemia
نویسندگان مقاله راحیل حسینی اشپلا | rahil hoseini eshpala


مصطفی لنگری زاده | mostafa langari zadeh


مهران کامکار حقیقی | mehran kamkar haghighi


بنفشه طباطبایی | banafsheh tabatabaei


نشانی اینترنتی http://hmj.hums.ac.ir/browse.php?a_code=A-10-1-119&slc_lang=fa&sid=en
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات