مصطفی قادرزاده؛ فرحناز صدوقی؛ آروین کتابت
دوره 9، شماره 4 ، مهر و آبان 1391، ، صفحه 457-464
چکیده
مقدمه: در سال‌های اخیر مفاهیم شبکه‌های عصبی مصنوعی در کشف اولیه و طبقه‌بندی بیماری‌ها متحمل پیشرفت‌های فراوانی شده است. استفاده از شبکه‌های عصبی به دلیل توانایی‌های بالقوه‌ی آن درکاربردهای پزشکی و در پیدا کردن کنش بین متغیرها، تشخیص و مدل‌سازی بیماری‌ها به طور وسیعی مقبول واقع شده است. هدف از این پژوهش، طراحی و پیاده‌سازی ...
بیشتر
مقدمه: در سال‌های اخیر مفاهیم شبکه‌های عصبی مصنوعی در کشف اولیه و طبقه‌بندی بیماری‌ها متحمل پیشرفت‌های فراوانی شده است. استفاده از شبکه‌های عصبی به دلیل توانایی‌های بالقوه‌ی آن درکاربردهای پزشکی و در پیدا کردن کنش بین متغیرها، تشخیص و مدل‌سازی بیماری‌ها به طور وسیعی مقبول واقع شده است. هدف از این پژوهش، طراحی و پیاده‌سازی سیستم تصمیمیار مبتنی بر شبکه‌های عصبی مصنوعی به منظور کشف اولیه‌ی سرطان پروستات بود.
روش بررسی: پژوهش حاضر از نوع کاربردی و جامعه‌ی هدف آن متشکل از 360 بیمار مبتلا به ناهنجاری‌های پروستات بودند که در فواصل سال‌های 90-1388 به بخش اورولوژی بیمارستان امام خمینی (ره) شهر تهران مراجعه نمودند. در این پژوهش به منظور ارزیابی عملکرد سیستم طراحی شده، از شاخص‌های حساسیت، ویژگی و صحت در طبقه‌بندی استفاده گردید. در طراحی هسته‌ی محاسباتی سیستم تصمیمیار بالینی در کشف اولیه‌ی سرطان پروستات از بزرگی خوش‌خیم آن، از الگوریتم شبکه‌ی عصبی گرادیان توأم مدرج (Scaled conjugate gradient) استفاده شد.
یافته‌ها: شاخص‌های عملکردی این سیستم، ویژگی و حساسیت بودند و عملکرد سیستم تصمیمیار بالینی پیشنهاد شده بر اساس این شاخص‌ها به ترتیب عبارت از 06/97 و 11/92 درصد بود. نتایج سیستم تصمیمیار در تشخیص و طبقه‌بندی بیماری‌های نئوپلازی پروستات، حاکی از پتانسیل بالای سیستم‌های مبتنی بر شبکه‌های عصبی به عنوان ابزاری قوی در طبقه‌بندی ناهنجاری‌های پروستات بود.
نتیجه‌گیری: در این پژوهش یک سیستم تصمیمیار پزشکی با هدف یاری رساندن به متخصصین در تشخیص و طبقه‌بندی بیماری‌های نئوپلازی پروستات طراحی گردید. سیستم‌های هوشمند پزشکی بر مبنای هوش مصنوعی و به خصوص شبکه‌های عصبی، می‌توانند به پزشکان در تشخیص دقیق سرطان پروستات و بزرگی خوش‌خیم آن کمک نمایند. با استفاده از این سیستم‌ها، بیوپسی‌های غیر ضروری و هزینه‌های تشخیصی کاهش می‌یابد. به علاوه، این سیستم‌ها می‌توانند در به حداقل رساندن زمان فرایندهای تشخیصی بیماری‌ها مؤثر واقع شوند.
