Ateroskleroz'un tahmini için bir yapay sinir ağı An artificial neural network for the prediction ofatherosclerosis

Abstract

Keywords

• -

Ateroskleroz'un tahmini için bir yapay sinir ağı

Abstract

Amaç: Bu çalışmada, ateroskleroz’un tahmin edilebilmesi için bir yapay sinir ağı oluşturulması amaçlanmıştır.Gereç ve Yöntem: Haziran 2003 ile Kasım 2003 tarihleri arasında, kesikli ve sürekli değişkenlerden oluşan yirmi adet klinik parametre, radial arterde ateroskleroz saptanan on hasta ile radial arterde ateroskleroz saptanmayan on beş hastadan elde edilmiştir. Yapay sinir ağları, ateroskleroz verilerine uygulanmıştır.Bulgular: Geliştirilen yapay sinir ağının toplam ayrımsama oranı, eğitim ve test verisinde sırasıyla % 86.6 ve % 80 olarak bulunmuştur.Sonuç: Yapay sinir ağlarının ateroskleroz’un tahmin edilmesinde oldukça yararlı olacağı sonucuna varılabilir. Ancak örnek sayısının az olması göz önünde bulundurulduğunda, daha güvenilir sonuçlar elde edebilmek için örnek sayısının artırılması önerilebilir

Keywords

• Ateroskleroz, Klinik parametreler, Yapay sinir ağları

References

1. Vaina S, Stefanadis C. Detection of the vulnerable coronary atheromatous plaque. Where are we now? Int J Cardiovasc Intervent 2005; 7:75-87.
2. Akgül E, Aydemir K. İnflamasyon ve ateroskleroz. Türk Kardiyoloji seminerleri. 2003; 5:492-505.
3. Hunink MG, Goldman L, Tosteson AN et al. The recent decline in mortality from coronary heart disease, 1980-1990: the effect of secular trends in risk factors and treatment. JAMA 1997; 277:535-42.
4. Jenus ED, Postiglione A, Singh RB et al. The modernization of Asia: implications for coronary heart disease. Circulation 1996; 94:2671-3.
5. Türe M, Kurt İ, Yavuz E et al. Hipertansiyonun tahmini için çoklu tahmin modellerinin karşılaştırılması (Sinir ağları, lojistik regresyon ve esnek ayırma analizleri). Anadolu Kardiyol Derg 2005; 5:24-8.
6. Sağıroğlu Ş, Beşdok E, Erler M. Mühendislikte Yapay Zeka Uygulamaları-1 Yapay Sinir Ağları. Kayseri, 2003.
7. de Paula AR Jr, Sathaiah S. Raman spectroscopy for diagnosis of atherosclerosis: a rapid analysis using neural Networks. Med Eng Phys 2005; 27:237-44.
8. Allison JS, Heo J, Iskandrian AE. ArtiŞcial neural network modeling of stress single-photon emission computed tomographic imaging for detecting extensive coronary artery disease. Am J Cardiol 2005; 15;95:178-81.

9. Kotel'nikova EV, Gridnev VI, Dobgalevskii PIa et al. Prognostication of coronary atherosclerosis for selection of tactics of management of patients with ischemic heart disease. Kardiologiia 2004; 44:15-9.
10. Stachowska E, Gutowska I, Dolegowska B et al. Exchange of unsaturated fatty acids between adipose tissue and atherosclerotic plaque studied with artiŞcial neural networks. Prostaglandins Leukot Essent Fatty Acids 2004; 70:59-66.
11. Yao X. Evolving ArtiŞcial Neural Networks. Proceedings of the Ieee 1999; 87:1423-44.
12. Rebrova OIu, Maksimova MIu, Piradov MA. The neural network algorithm for diagnosis of ischemic stroke pathogenetic subtypes. [Abstract] Zh Nevrol Psikhiatr Im S S Korsakova 2004; 12: 23-8
13. George J, Ahmed A, Patnaik M et al. The prediction of coronary atherosclerosis employing artiŞcial neural networks. Clin Cardiol 2000; 23:453-6.
14. Lapuerta P, Azen SP, LaBree L. Use of neural networks in predicting the risk of coronary artery disease. Comput Biomed Res 1995; 28:38-52.