پیش بینی مقادیر عددی به وسیله شبکه عصبی مصنوعی در حیطه سلامت

مقدمه:امروزه از بین روش های یادگیری ماشین شبکه عصبی مصنوعی با داشتن توانایی چشم گیر در یافتن روابط غیرخطی پیچیده بین متغیرها عملکرد مناسبی در پیش بینی دارد. به همین دلیل در حیطه سلامت به یک حوزه داغ تحقیقاتی تبدیل شده است. شبکه عصبی از داده های گذشته برای آموزش استفاده می کند تا با دریافت ورودی های جدید، مقدار خروجی را پیش بینی کند که این خروجی میتواند به صورت مقادیر عددی و یا دسته بندی باشد. مطمینا با در اختیار داشتن اعداد دقیق، تصمیم گیری مناسب تر خواهد بود. روش بررسی:مطالعه حاضر توصیفی و از نوع مرور نظامند است که در پایگاه داده های Scopus و Pubmed تا پایان سال 2017 میلادی انجام گرفت و تنها مقالاتی مورد بررسی قرار گرفت که خروجی آنها مقدار عددی بود. یافته ها: در انتها 8 مقاله وارد مطالعه شد که بین سال های 2010 تا 2017 بودند و یک مقاله در سال 2005 انجام گرفته بود. 6 مطالعه شبکه عصبی و رگرسیون را به طور همزمان جهت مقایسه انجام داده بودند و 1 مطالعه برای انتخاب متغیرها از رگرسیون و انجام پیش بینی از شبکه عصبی استفاده کرده بود. 1 مطالعه نیز متغیرهای از قبل تعیین شده ای را برای پیش بینی به شبکه عصبی داده بود. شبکه های عصبی پس انتشار خطا و پرسپترون و رگرسیون های خطی و لجستیک و چند متغیره در این مطالعات استفاده شده بود. نتیجه گیری: براساس مقالات مورد بررسی، عملکرد مدل های حاصل از شبکه عصبی مصنوعی در مقایسه با سایر روش ها بهتر است. همچنین سیستم های شبکه عصبی که خروجی آنها مقادیر عددی است، برای مدیریت و کنترل وضعیت های بهداشتی مناسب تر از سیستم های با خروجی دسته بندی هستند. استفاده از شبکه های عصبی در پیش بینی مسایل مربوط به سلامت مفید است.

کلیدواژه ها:

پیش بینی ، مقادیر عددی ، شبکه عصبی مصنوعی ، سلامت