دوره 1404، شماره 4 - ( زمستان 1404 1404 )                   جلد 1404 شماره 4 صفحات 0-0 | برگشت به فهرست نسخه ها

Ethics code: IR.MEDILAM.REC.1403.249

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Zakariaee S S, Naderi N, Abdi S. Investigating the diagnostic significance of CT pulmonary angiography score for predicting mortality in pulmonary embolism patients, a machine learning study. Journal title 2025; 1404 (4)
URL: http://newresearch.medilam.ac.ir/article-1-2794-fa.html
ذکریایی سید سلمان، نادری نگار، عبدی شهاب. بررسی ارزش تشخیصی نمره سی تی آنژیوگرافی ریه برای پیش آگهی مرگ و میر بیماران آمبولی ریه ، یک مطالعه یادگیری ماشین. عنوان نشریه. 1404; 1404 (4)

URL: http://newresearch.medilam.ac.ir/article-1-2794-fa.html


گروه آموزشی فیزیک پزشکی، دانشکده پزشکی، دانشگاه علوم پزشکی ایلام، ایلام، ایران
چکیده:   (48 مشاهده)
ترومبوآمبولی وریدی (VTE) اختلالی است که شامل ترومبوز وریدی عمقی (DVT) و آمبولی ریوی (PE) می شود. بروز VTE در جمعیت آسیایی 17 تا 70 نفر در هر 100000 نفر است و آن را به عنوان سومین بیماری عروقی شایع گزارش نموده اند. آمبولی ریوی که زیر مجموعه VTE است زمانی اتفاق می‌افتد که آمبولی یک ترومبوز در ورید را می‌شکند و رگ‌های خونی شریان ریوی را مسدود می‌کند. آمبولی ریوی تقریباً 112 بیمار در هر 100000 بیمار را سالانه در ایالات متحده شامل می شود.
علائم PE عموماً بطور اتفاقی تشخیص داده می شوند. در بسیاری از موارد، بیماران مبتلا به PE بدون بروز علائم می میرند.از نظر بالینی برای جلوگیری از ترومبوز، به بیماران بدحال داروهای ضد انعقاد داده می شود، اما بروز VTE در بیماران بدحال همچنان بالا است. بنابراین، شناسایی بیماران در معرض خطر بالای VTE از طریق مدل‌های ارزیابی خطر می‌تواند در پیشگیری اولیه و درمان به موقع کمک کننده باشد.
با پیشرفت تکنولوژی پزشکی، سی تی آنژیوگرافی ریه (CTPA) به استاندارد مرجع برای تشخیص PE تبدیل شده است که حساسیت و ویژگی بالایی دارد. یافته‌های CTPA با پیامد بالینی همبستگی معنی داری دارد. در مقایسه با سایر ابزارهای تشخیصی برای بررسی بیماران مشکوک به CAD، CTPA می‌تواند تغییرات عروق آترواسکلروتیک را زودتر در مقایسه با سایر ابزارهای تصویربرداری غیرتهاجمی نمایش دهد. بنابراین ممکن است بتواند بیماران در معرض خطر بالاتر را زودتر شناسایی کند.
یادگیری ماشینی (ML) زیر مجموعه ای از هوش مصنوعی می باشد که دارای قابلیت های محاسباتی و برازش داده های قدرتمندی برای یافتن روابط پیچیده و مخفی بین حجم زیادی از داده است. این ویژگی ها ML را برای مجموعه داده های بالینی پیچیده یه یک ابزار مناسب مبدل می کند و استفاده از آن در تحقیقات بالینی سالانه در حال افزایش است.
در این مطالعه برآنیم ارزش تشخیصی نمره سی تی آنژیوگرافی ریه برای پیش آگهی مرگ و میر بیماران آمبولی ریه  را با استفاده از روش یادگیری ماشینی تعیین کنیم.
 
     
نوع مطالعه: مقطعی (Cross sectional) | موضوع پروپزال: رادیولوژی
دریافت: 1403/4/13 | پذیرش: 1404/1/16 | انتشار: 1404/10/10

[DOCX 87 KB]
نوع فایل: فایل پیام پژوهش
 (5 دریافت)
پوستر [JPG 276 KB]
نوع فایل: تعهد از نوع رسانه
عنوان فایل: پوستر
سال تعهد: 0
منبع:
چکیده:
 (3 دریافت)
پادکست [M4A 2266 KB]
نوع فایل: تعهد از نوع رسانه
عنوان فایل: پادکست
سال تعهد: 0
منبع:
چکیده:
 (3 دریافت)
ارسال نظر درباره این پروپزال : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به مجری اصلی


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به سامانه جامع مدیریت اطلاعات تحقیقات، پژوهش و فناوری می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2026 All Rights Reserved | Technology and Research Information System

Designed & Developed by : Yektaweb