بررسی و طبقه‌بندی مشخصه‌های کاربردی در تکنیک شبکه‌ی عصبی به منظور تشخیص بیماری‌های ایسکمیک قلبی: مروری سیستماتیک

نویسندگان

1 دکتری تخصصی انفورماتیک پزشکی، گروه علوم کامپیوتر، مؤسسه‌ی آموزش عالی غیر دولتی فاران، تهران، ایران

2 دانشجوی کارشناسی ارشد، گروه انفورماتیک پزشکی، دانشکده‌ی مدیریت و اطلاع‌رسانی، دانشگاه علوم پزشکی ایران، تهران، ایران

3 دانشجوی پزشکی، دانشکده‌ی پزشکی، دانشگاه علوم پزشکی جندی‌شاپور، اهواز، ایران

4 مربی ،گروه مدیریت و فن‌آوری اطلاعات سلامت، دانشکده مدیریت و اطلاع‌رسانی پزشکی، دانشگاه علوم پزشکی اصفهان، اصفهان، ایران

doi
10.22122/jims.v35i460.8576
چکیده

مقدمه: امروزه، شیوع بیماری‌های ایسکمیک قلبی به عوارض جبران ناپذیری نظیر مرگ بیماران منجر می‌شود. تشخیص دیر هنگام این گونه بیماری‌ها و راه‌کار تهاجمی تشخیصی آن‌ها، سبب شده است محققین به منظور تشخیص به موقع بیماری، نسبت به تهیه‌ی سیستم تصمیم‌یار تشخیصی مبتنی بر تکنیک شبکه‌ی عصبی ضمن به کارگیری حداقل داده‌ها اقدام نمایند. در این راستا، انتخاب حداقل مشخصه‌های مفید برای طراحی ساختار شبکه‌ی عصبی از اهمیت ویژه‌ای برخوردار است و زمینه‌ی دست‌یابی به بیشترین دقت در اخذ نتایج تصمیم را فراهم می‌آورد.روش‌ها: ابتدا مقالات مرتبط با «تشخیص ایسکمیک قلبی با استفاده از شبکه‌های عصبی مصنوعی» از پایگاه داده‌های معتبر و با استفاده از کلید واژه‌های حساس استخراج گردیدند. سپس، تحلیل و طبقه‌بندی محتوا به روش‌های علمی انجام شد.یافته‌ها: طراحی ساختار شبکه‌ی عصبی با استفاده از مشخصه‌های گوناگون قابل اخذ از داده‌های دموگرافیک، تاریخچه‌ی پزشکی، علایم و نشانه‌های بیماری به ویژه آزمایش‌های پاراکلینیک انجام می‌پذیرد. در این بین، مشخصه‌های روش الکتروکاردیوگرام که در گروه آزمایش‌های پاراکلینیک قرار داشتند، به افزایش چشم‌گیر کارایی شبکه‌ی عصبی منجر شدند.نتیجه‌گیری: بهره‌برداری از این گونه سیستم‌های تصمیم‌یار تشخیصی در محیط‌های عملی، به ضریب اطمینان بالای آن‌ها و برخورداری از مقبولیت پزشکان وابسته است. از این رو، لحاظ کردن مواردی نظیر ارتقای میزان بلوغ طراحی ساختار شبکه‌ی عصبی که به انتخاب حداقل مشخصه‌های بهینه وابسته است و ایجاد زیر ساخت‌های لازم جهت ورود داده‌های واقعی، صحیح و در جریان بیماران به این سیستم‌ها راه‌گشا می‌باشند.