دوره 13، شماره 6 - ( بهمن و اسفند 1398 )
جلد 13 شماره 6 صفحات 428-419 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Abbasi Hasanabadi N, Firouzi Jahantigh F, Tabarsi P. Diagnosis of Pulmonary Tuberculosis Using Artificial Intelligence (Naive Bayes Algorithm). payavard 2020; 13 (6) :419-428
URL: http://payavard.tums.ac.ir/article-1-6909-fa.html
URL: http://payavard.tums.ac.ir/article-1-6909-fa.html
عباسی حسن آبادی نسترن، فیروزی جهانتیغ فرزاد، طبرسی پیام. تشخیص بیماری سل ریوی با استفاده از هوش مصنوعی(الگوریتم بیز ساده). پیاورد سلامت. 1398; 13 (6) :419-428
1- کارشناس ارشد مهندسی صنایع، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران
2- دانشیار گروه مهندسی صنایع، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران ،Firouzi@eng.usb.ac.ir
3- ستاد گروه عفونی، مرکز تحقیقات سل بالینی و اپیدمیولوژی، بیمارستان مسیح دانشوری، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران
2- دانشیار گروه مهندسی صنایع، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران ،
3- ستاد گروه عفونی، مرکز تحقیقات سل بالینی و اپیدمیولوژی، بیمارستان مسیح دانشوری، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران
چکیده: (3856 مشاهده)
زمینه و هدف: موفقیت مورد انتظار در کاهش و کنترل بیماری سل به‌رغم اجرای برنامه های پیشگیرانه و درمانی مؤثر فراهم نشده که یکی از دلایل آن، تاخیر در تشخیص قطعی می‌باشد. بنابراین ایجاد یک سیستم کمک تشخیص برای غربالگری بیماری سل می‌تواند به تشخیص زودهنگام این بیماری کمک کند. هدف از این تحقیق، ارزیابی الگوریتم بیز ساده به‌عنوان ابزاری برای تشخیص سل ریوی است.
روش بررسی: در این مطالعه‌ی کاربردی، جامعه پژوهش بیماران دارای علایم سل و نمونه پژوهش، داده‌های ثبت شده‌ی ۵۸۲ فرد با علایم اولیه سل در بیمارستان مسیح دانشوری تهران است. اطلاعات نمونه‌ها با تشخیص تاییدشده در دو کلاس مبتلا به سل ریوی و نرمال بررسی گردید. از الگوریتم بیز ساده (Naive Bayes) برای غربالگری بیماری سل ریوی با استفاده از علایم عمومی و اولیه بیماران از زبان برنامهنویسی پایتونPython) ) استفاده شده است.
یافته ها: دقت (Accuracy)، حساسیت (sensitivity) و ویژگیspecificity) ) حاصل از پیاده‌سازی الگوریتم بیز ساده جهت تشخیص بیماری سل ریوی بهترتیب ۹۵/۸۹%، ۹۳/۵۹% و ۹۸/۵۳% به‌دست آمد و سطح زیر منحنی مشخصه عملکرد (AUC) برابر با ۹۸/۹۱% محاسبه شد.
نتیجه‌گیری: عملکرد مدل بیز ساده برای تشخیص بیماری سل ریوی دقت قابل قبولی دارد. این سیستم می‌تواند برای کمک به بیمار و مدیریت بیماری در نقاط دور افتاده با دسترسی محدود به منابع آزمایشگاهی و کمبود متخصص، استفاده و موجب تسریع در تشخیص شود. همچنین می‌تواند موجب اقداماتی بهموقع و مناسب جهت کنترل سرایت سل ریوی به سایر افراد و تسریع بهبود این بیماری باشد.
روش بررسی: در این مطالعه‌ی کاربردی، جامعه پژوهش بیماران دارای علایم سل و نمونه پژوهش، داده‌های ثبت شده‌ی ۵۸۲ فرد با علایم اولیه سل در بیمارستان مسیح دانشوری تهران است. اطلاعات نمونه‌ها با تشخیص تاییدشده در دو کلاس مبتلا به سل ریوی و نرمال بررسی گردید. از الگوریتم بیز ساده (Naive Bayes) برای غربالگری بیماری سل ریوی با استفاده از علایم عمومی و اولیه بیماران از زبان برنامهنویسی پایتونPython) ) استفاده شده است.
یافته ها: دقت (Accuracy)، حساسیت (sensitivity) و ویژگیspecificity) ) حاصل از پیاده‌سازی الگوریتم بیز ساده جهت تشخیص بیماری سل ریوی بهترتیب ۹۵/۸۹%، ۹۳/۵۹% و ۹۸/۵۳% به‌دست آمد و سطح زیر منحنی مشخصه عملکرد (AUC) برابر با ۹۸/۹۱% محاسبه شد.
نتیجه‌گیری: عملکرد مدل بیز ساده برای تشخیص بیماری سل ریوی دقت قابل قبولی دارد. این سیستم می‌تواند برای کمک به بیمار و مدیریت بیماری در نقاط دور افتاده با دسترسی محدود به منابع آزمایشگاهی و کمبود متخصص، استفاده و موجب تسریع در تشخیص شود. همچنین می‌تواند موجب اقداماتی بهموقع و مناسب جهت کنترل سرایت سل ریوی به سایر افراد و تسریع بهبود این بیماری باشد.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
