Skip to main content
فهرست مقالات

پیش‌بینی تولد نوزاد نارس در مادران باردار شده از طریق فن‌آوری‌های کمک باروری با استفاده از شبکه عصبی

نویسنده:

علمی-پژوهشی (وزارت بهداشت)/ISC (10 صفحه - از 42 تا 51)

روش­ کار: در این مطالعه گذشته ­نگر، ابتدا 45 متغیر تاثیرگذار بر تولد نارس در مادران باردار شده از طریق فن­آوری­های کمک­باروری شناسایی شدند و از پرونده بالینی این مادران در بیمارستان صارم از سال 1377 تا شهریور 1393، در پاییز 1393 استخراج شد. متغیرهای تاثیرگذار با استفاده از الگوریتم انتخاب ویژگی و درخت تصمیم در نرم ­افزار SPSS Clementine شناسایی شد. شبکه عصبی پرسپترون چند­لایه در نرم­افزار Matlab طراحی گردید. ارزیابی شبکه بر اساس ماتریس آشفتگی و معیارهای ویژگی، حساسیت و صحت انجام گردید. یافته­ ها: با استفاده از الگوریتم انتخاب ویژگی و درخت تصمیم، 15 متغیر تاثیرگذار به عنوان ورودی شبکه عصبی انتخاب گردید. شبکه پرسپترون چند­لایه طراحی و ارزیابی شد. شبکه عصبی طراحی شده در داده­ های تست دارای صحت2/87 درصد، حساسیت 0/80 درصد، ویژگی 2/88 درصد و در کل داده­ها دارای صحت 4/95 درصد، حساسیت 0/95 درصد و ویژگی 5/95 درصد بود. نتیجه­ گیری: با توجه به نتایج به دست آمده از این پژوهش، استفاده از شبکه پرسپترون چند­لایه برای پیش‌بینی نتیجه زایمان از نظر تولد نوزاد ترم یا نوزاد نارس در مادران باردار شده از طریق فن­آوری­های کمک باروری می­تواند در پیشگیری از عوارض تولد نوزاد نارس کمک کننده باشد.


برای مشاهده محتوای مقاله لازم است وارد پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.