Fully Connected Dense Layer for Predicting Coronary Artery Disease
| العنوان بلغة أخرى: |
تطبيق الشبكة العصبية ذات الطبقات المتعددة للتنبؤ بمرض الشريان التاجي |
|---|---|
| المؤلف الرئيسي: | الدغيمات، معاذ نعمان حسن (مؤلف) |
| مؤلفين آخرين: | البشير، محمد سعيد منصور (مشرف) |
| التاريخ الميلادي: |
2021
|
| موقع: | المفرق |
| الصفحات: | 1 - 48 |
| رقم MD: | 1171563 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة آل البيت |
| الكلية: | كلية الأمير الحسين بن عبد الله لتكنولوجيا المعلومات |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
1
| المستخلص: |
تعتبر أمراض القلب والأوعية الدموية من أخطر الأمراض المؤدية للموت؛ وتتنوع أمراض القلب وتختلف بحيث يمكن تقسيمها إلى أنواع متعددة؛ ويعتبر مرض الشريان التاجي (Coronary Artery Disease (CAD)) واحدا من أهم أمراض القلب والأوعية الدموية. يعتبر التشخيص الدقيق والمبكر لمرض الشريان التاجي من أهم الأسباب التي تقلل من نسب الوفيات به، وهناك عدة طرق للتنبؤ بهذا المرض وتشخيصه؛ ولكن أدق هذه الطرق هو تصوير الأوعية (angiography)، ورغم ذلك فإن هذه الطريقة معقدة ومكلفة، ومع التطور في مجالات علم الحاسوب بشكل عام وفي التنقيب عن البيانات وتعلم الإلة بشكل خاص، قام الكثير من الباحثين بتوظيف خوارزميات التنقيب عن البيانات للتنبؤ بالأمراض ومنها مرض الشريان التاجي. ويأتي هذا البحث كدراسة للتنبؤ بمرض الشريان التاجي باستخدام الشبكة العصبية ذات الطبقات الكثيفة كاملة الاتصال ومن خلال استخدام مجموعة البيانات (The Sani dataset)، حيث تم استخدام ثلاث طبقات مخفية مع عدم استخدام أي خوارزمية لاختيار الخصائص من مجموعة البيانات معتمدا على (آلية اختيار الخصائص التي تعمل تلقائيا على اختيار الخصائص والموجودة في مثل هذا النوع من الشبكات العصبية. خلال هذه الدراسة تم استخدام مصفوفة الارتباك (Confusion matrix) كآلية لتقييم النموذج وكانت نسب القيم التي تم الحصول عليها جيدة لكل من الضبط (Accuracy) والحساسية (Sensitivity) حيث كانت النتيجة للدقة (91.76%) وللحساسية (94.37%) أما بالنسبة للنوعية فقد كانت النسبة ليست بجودة الدقة والحساسية (Specificity) بحيث كانت (%78.57). بالانتقال إلى الدقة (Precision) فقد كانت قيمتها 95.7%، وبالنسبة لمعامل ارتباط ماثيو(Matthews correlation coefficient) فقد كانت قيمته 0.7 وانتهاء بنسبة الإيجابية الخاطئة(False Positive Rate) فقد كانت قيمتها %21.4. وقد كانت النتائج التي تم الحصول عليها أفضل من النماذج التي استعملت الشبكات العصبية من حيث الضبط والحساسية. |
|---|
عناصر مشابهة
-
Heart Disease Prediction Model Using Naïve Bayes Algorithm and Machine Learning Techniques
بواسطة: يوسف، ماريا محمد فوزي منشور: (2020) -
Correlation between Hospital Admissions due to Coronary Heart Disease and Prescriptions of Coronary Heart Disease Medications
بواسطة: حمو، سارة إبراهيم منشور: (2021) -
The Impact of Medications on Daily Lives of Patients with Cardiovascular Diseases: A Cross Sectional Study
بواسطة: ترهي، رشا يوسف منشور: (2021) -
Classification of Beta Thalassemia Using Data Mining Techniques
بواسطة: الأغا، آلاء صهيب كمال منشور: (2017) -
Evaluation of Risk Factors of Coronary Artery Disease in Chronic Kidney disease patients in Sudan Heart center
بواسطة: Mohammed, Rowaida Abdul Fatah منشور: (2017)
