[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای داوران::
ثبت نام ::
اشتراک::
اطلاعات نمایه::
برای نویسندگان::
لینکهای مفید::
فرآیند چاپ::
پست الکترونیک::
تماس با ما::
تسهیلات پایگاه::
::
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: دوره 27، شماره 1 - ( بهار 1396 ) ::
جلد 27 شماره 1 صفحات 52-46 برگشت به فهرست نسخه ها
تعیین اعتبار مقایسه‌ای روش‌های مبتنی بر هوش مصنوعی و روابط ریاضی در تشخیص کم‌خونی ناشی از فقرآهن و ‌تالاسمی در مراکز غربالگری شمال ایران در
مهرزاد خاکی جامعی 1، خدیجه میرزایی تالارپشتی2
1- گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد ساری ، khaki.mehrzad@gmail.com
2- گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد ساری
چکیده:   (5104 مشاهده)

سابقه و هدف: روش‌های سنتی تشخیص افتراقی فقرآهن و بتا‌تالاسمی‌ مینور با استفاده از CBC دارای دقت کافی نیستند و آزمایشات تکمیلی نظیر الکتروفورز هموگلوبین زما­ن­بر و پرهزینه هستند. هدف این مطالعه معرفی روش‌های دقیق‌تر و کم‌هزینه­تر مبتنی بر هوش مصنوعی بود.

روش بررسی: در این پژوهش، تعداد 510 نمونه CBC  از چندین مرکز غربالگری تالاسمی واقع در شمال ایران جمع‌آوری شدند که تعداد نمونه‌های مربوط به فقرآهن، تالاسمی مینور و نرمال به ترتیب برابر با 167، 132 و 211 بود. نمونه‌های به دست آمده توسط روش‌های مبتنی بر هوش مصنوعی شامل  سیستم استنتاج فازی‌عصبی (ANFIS) و پرسپترون چندلایه (MLP)،  با روش تعیین اعتبار Cross Validation   مورد ارزیابی قرار گرفتندکه در هر مرحله نتایج با روش‌های سنتی مبتنی بر روابط ریاضی مقایسه شدند.

یافته ­ها: شاخص‌های حساسیت (SENS)، ویژگی (SPEC)، ارزش اخباری مثبت (PPV)، ارزش اخباری منفی (NPV) ، دقت (ACC) و شاخص یدون (YI)  برای کلیه روش‌ها در هر مرحله از Cross Validation به دست آمدند. آزمون آمازی t روی شاخص‌های مذکور نشان داد که بین روش‌های ANFIS  و MLP  تفاوت معنی‌داری وجود ندارد (05/0>p). همچنین تفاوت معنی‌داری بین روش‌های ریاضی وجود نداشت(05/0>p). اما مقایسه روش‌های مبتنی بر هوش مصنوعی با روش‌های ریاضی نشان داد که بین آنها اختلاف معنی‌داری وجود دارد(05/0>p).

نتیجه­گیری استفاده از روش‌های مبتنی بر هوش مصنوعی، به عنوان ابزاری در دست متخصصان، می‌تواند در تشخیص‌های افتراقی بیماری‌هایی که دارای شباهت زیادی هستند، افزایش دقت قابل توجهی را ممکن سازد.

واژگان کلیدی: فقرآهن، ‌تالاسمی مینور، سیستم استنتاج عصبی‌فازی تطبیقی، پرسپترون چندلایه،  شمارش کامل خون.

واژه‌های کلیدی: فقرآهن، ‌تالاسمی مینور، سیستم استنتاج عصبی‌فازی تطبیقی، پرسپترون چندلایه، شمارش کامل خون
متن کامل [PDF 236 kb]   (1567 دریافت)    
نيمه آزمايشي : تحليلي/مقطعي/توصيفي | موضوع مقاله: انفورماتيك پزشكي
دریافت: 1394/11/3 | پذیرش: 1395/9/15 | انتشار: 1396/1/13
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Khaki Jamei M, Mirzaei Talarposhti K. Cross validation of artificial intelligence and mathematical relationships in the diagnosis of iron deficiency anemia and thalassemia in screening centers of northern Iran in 2014 . MEDICAL SCIENCES 2017; 27 (1) :46-52
URL: http://tmuj.iautmu.ac.ir/article-1-1218-fa.html

خاکی جامعی مهرزاد، میرزایی تالارپشتی خدیجه. تعیین اعتبار مقایسه‌ای روش‌های مبتنی بر هوش مصنوعی و روابط ریاضی در تشخیص کم‌خونی ناشی از فقرآهن و ‌تالاسمی در مراکز غربالگری شمال ایران در . فصلنامه علوم پزشکی دانشگاه آزاد اسلامی تهران. 1396; 27 (1) :46-52

URL: http://tmuj.iautmu.ac.ir/article-1-1218-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 27، شماره 1 - ( بهار 1396 ) برگشت به فهرست نسخه ها
فصلنامه علوم پزشکی دانشگاه آزاد اسلامی واحد پزشکی تهران Medical Science Journal of Islamic Azad Univesity - Tehran Medical Branch
Persian site map - English site map - Created in 0.05 seconds with 37 queries by YEKTAWEB 4645