Predicting coronary artery disease using different artificial neural network models

Abstract

Amaç: Bu çalışmada, koroner arter hastalığının (KAH) tahmin edilebilmesi için değişik sekiz öğrenme algoritması ile farklı yapay sinir ağımodelleri oluşturulmuş ve tanıtılması amaçlanmıştır.Yöntemler: Bu çalışma geriye dönük bir vaka kontrol araştırması olarak gerçekleştirilmiştir. Çalışmaya, anjiyografik olarak majör epikardiyal arterlerin en az bir tanesinde %50’den fazla darlığı olan 124 ardışık birey dâhil edildi. Anjiyografik olarak normal koroner arterlere sahip olan 113 birey ise kontrol grubu olarak alınmıştır. Çok katmanlı “perseptron” yapay sinir ağları uygulandı. Değişik sekiz öğrenme algoritması ile eğitilen farklı yapay sinir ağı modelleri, toplam 237 kayıtta, 171’i eğitimde ve 66’sı ise teste kullanılarak oluşturuldu. Tahminin performansı, duyarlılık, seçicilik ve doğruluk oranlarına dayalı olarak değerlendirilmiştir. Bulgular: Çalışmanın sonuçları, oluşturulan yapay sinir ağı modelleri ile KAH’ın tahmininde yüksek oranda (%71.0’den daha yüksek) duyarlılık, seçicilik ve doğruluk oranları elde edildiği için modellerin performansının iyi olduğunu göstermiştir. Doğruluk, duyarlılık ve seçicilik değerleri eğitimde sırasıyla %83.63 - %100, %86.46 - %100 ve %74.67 - %100 arasında iken, testte ise duyarlılık %71’den daha büyük, seçicilik %76’dan daha büyük ve doğruluk %81’den daha büyük olarak elde edilmiştir. Sonuç: Geriye yayılım algoritmasından başka farklı öğrenme algoritmalarının ve daha büyük örnek çaplarının kullanılması, tahmininperformansını artırabilir. Değişik sekiz öğrenme algoritması ile eğitilen farklı yapay sinir ağı modelleri, KAH’ın tahmin edilmesinde ümit verici sonuçlar vermektedir ve ileriye yönelik klinik tanı sürecinde kullanılabilir.