ارائه یک روش هوشمند برای پیش بینی وقوع مرگ براساس سن بیمار و حجم خون‌ ریزی در عکس سی ‌تی ‌اسکن

هدف از این مقاله پیش بینی زنده ماندن و یا مرگ افراد مبتلا به خون ریزی مغزی در طی سی روز بر اساس میزان خون ریزی مغزی است. تشخیص و درمان به موقع و صحیح خون ریزی مغزی از اهمیت بسیار بالایی برخوردار است، چنانچه در مدت این سی روز فوت بیمار پیش بینی شود، پزشک معالج باید مراقبت های ویژه و درمان قوی تری برای بیمار استفاده کند. خون ریزی های مغزی نیاز به درمان فوری و تشخیص سریع و دقیق دارند. در این مقاله با استفاده از حجم خون ریزی مغزی و سن بیمار و با استفاده از شبکه عصبی ماشین بردار پشتیبان (svm) پیش بینی شده است که چند درصد از افراد مبتلا به خون ریزی مغزی زنده می مانند و چند درصد فوت می کنند. پارامتر های حجم خون ریزی مغزی و سن بیماران، ورودی شبکه عصبی در نظر گرفته شده است. خروجی شبکه، زنده ماندن و یا مرگ بیماران مبتلا به خون ریزی مغزی طی سی روز آینده است. داده هایی که استفاده شده شامل سن و حجم خون ریزی 66 بیمار مبتلا به خونریزی لوبار، 76 بیمار مبتلا به خون ریزی عمیق، 9 بیمار مبتلا به خون ریزی پونتین و 11 بیمار مبتلا به خون ریزی مخچه ای است. تمام مدل های خون ریزی به عنوان ورودی شبکه عصبی ماشین بردار پشتیبان در نظر گرفته شده است. دقت کلی شبکه عصبی ماشین بردار پشتیبان طراحی شده 93 درصد است. مستقل از نوع خون ریزی مغزی، زنده ماندن و یا مرگ افراد مبتلا به خون ریزی مغزی در طی سی روز پیش بینی شده است.

an intelligent method for death prediction using patient age and bleeding volume on ct scan

the purpose of this paper's prediction of survival or death within 30 days is based on a cerebral hemorrhage. timely and correct diagnosis and treatment of cerebral hemorrhage are essential. if the patient's death is predicted during these thirty days, the treating physician should use intensive care and more treatment for the patient. cerebral hemorrhages require immediate treatment and rapid and accurate diagnosis. in this article, using the volume of cerebral hemorrhage and the patient's age and using the neural network of support vector machine (svm), it is predicted what percentage of people with cerebral hemorrhage survive and what percentage die. parameters of cerebral hemorrhage volume and, age of patients, neural network input are considered. the network's output is the survival or death of patients with cerebral hemorrhage over the next thirty days. the data we used included the bleeding volume and age of 66 patients with lobar hemorrhage, 76 patients with deep bleeding, nine patients with pontine hemorrhage and 11 patients with cerebellar hemorrhage. all bleeding models are considered as input to the support vector machine neural network. the overall accuracy of the designed support vector machine neural network is 93%. regardless of the type of cerebral hemorrhage, the survival or death of people with cerebral hemorrhage within 30 days is predicted.