13288

13288

پيش‌بيني مرگ‌و‌مير در ICU با استفاده از شبكه عصبي و تحليل نتايج آن

كارشناسي‌ارشد

برق - الكترونيك

بهار 1393

بهار 1393

دكتر علي صدر

چكيده بررسي و پيش‌بيني اوليه، به خصوص در محيط‌هاي پرهزينه و نيازمند تكنولوژي از قبيل ICU مي‌تواند علاوه بر اطلاع رساني به اطرافيان بيمار ابزاري براي ارزيابي كيفيت ICU و بررسي ميزان موفقيت شيوه‌هاي درمان‌ باشد. داشتن اين اطلاعات مي¬تواند به پزشك در تصميم‌گيري براي اينكه چه موقع بيمار از امكانات ICU سود بيشتري خواهد برد كمك مي‌‌كند. با توجه ضرورت پيش‌بيني، در سال‌هاي اخير مدل‌هايي ارائه شدند كه اكثرا از شيوه‌هاي داده كاوي و يادگيري ماشيني بهره مي‌برند. يكي از الگوريتم‌هاي رايج كه براي پيش‌بيني مرگ‌و‌مير در ICU به كار مي‌رود، شبكه‌هاي عصبي مصنوعي هستند. در اين پايان‌‌نامه مدلي براي پيش‌بيني مرگ‌و‌مير در ICU توسط شبكه‌هاي عصبي پس‌انتشار ارئه شده است. مدل طراحي شده به ازاي مقادير مختلف 5 پارامتر شبكه اجرا شد. در 243 بار اجرا مشخص شد كه موثرترين پارامتر تعداد نرون در لايه پنهان است. بهترين نتايجي كه در اين اجراها حاصل شد براي نعداد نرون 30، تكانه 1.، تعداد لايه پنهان 5 و تعداد تكرار 500 بهترين نتيجه ثبت شد كه MSE برابر 0.00706 و ROC نيز 0.76 به‌دست آمد. تخمين بهترين شبكه معمولأ با روش سعي و خطا صورت مي‌گيرد كه روشي زمان‌بر است . از دو شيوه‌ RSM و روش پيشنهادي تركيب RSMو GA براي بهينه‌سازي شبكه عصبي استفاده شد. در روش RSM مقادير بهينه تعداد ترون، تعداد لايه پنهان، تكانه و تعداد تكرار آموزش به ترتيب 17، 3،0.1 و 530 محاسبه شد كه مقدار MSE و ROC به ترتيب 0.011 و 0.79 به‌دست آمد. در روش تركيب RSM و GAمقادير بهينه تعداد ترون، تعداد لايه پنهان، تكانه و تعداد تكرار آموزش به ترتيب 24، 4،0.35 و 500 محاسبه شد كه مقدار MSE و ROC به ترتيب 0.0038 و 0.81 به‌دست آمد در انتها براي اولين بار به بررسي وضعيت اندام بيماران بستري در ICU پرداخته شد. اين كار با از طريق شبكه‌عصبي SOM و با ااستفاده از اطلاعات مدل LOD انجام شد. در كل بيماران به 64 طبقه دسته‌بندي شدند كه اطلاعات هر طبقه برحسب درصد سالم بودن هر عضو در جدول‌هايي نمايش داده شد. واژه‌هاي كليدي: پيش‌بيني، شبكه‌هايي عصبي پس‌انتشار،الگورينم ژنتيك، مدل سطح پاسخ، روش تحليل مولفه‌هاي اساسي