ویراساینس.
مقاله

طراحی شبکه عصبی مصنوعی برای پیش بینی نتایج حاملگی در مادران باردار لوپوسی در ایران

محمود اکبریان، mahmoud akbarian rheumatology research center, tehran university of medical sciences, tehran, iran.مرکز تحقیقات روماتولوژی، دانشگاه علوم پزشکی تهران خدیجه پایدار، khadijeh paydar department of health information management, school of allied medical sciences, tehran university of medical sciences, tehran, iran.گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهرانن شراره رستم نیاکان کلهری، sharareh r ostam niakan kalhori department of public health, school of public health, ahvaz jundishapur university of medical sciences, ahvaz, iran.گروه بهداشت عمومی، دانشکده بهداشت، دانشگاه علوم پزشکی جندی شاپور اهواز عباس شیخ طاهری، abbas sheikhtaheri yasmi st., valiasr ave., tehran, iran. tel: +98- 21- 88794302تهران، خیابان ولیعصر، بالاتر از ونک، خیابان شهید یاسمی، دانشکده مدیریت و اطلاع رسانی پزشکی تلفن: 88794302 -021

چکیده

زمینه و هدف: لوپوس اریتماتوی سیستمیک (sle) بیماری خودایمنی چند سیستمی با تظاهرات متنوع و رفتار متغیر می باشد. بارداری برای زنان با sle به عنوان چالش مطرح است. مشاوره پیش از بارداری به دلیل برآورد ریسک نتایج نامطلوب در مادر و جنین با استفاده از داده های مناسب ضروری است. هدف این مطالعه، طراحی شبکه عصبی مصنوعی برای پیش بینی نتایج حاملگی در زنان باردار لوپوسی بود. روش بررسی: در این بررسی گذشته نگر، 45 متغیر تاثیرگذار در نتایج حاملگی زنان باردار لوپوسی شناسایی شده و پرونده های این بیماران در بیمارستان شریعتی (104 بارداری) و یکی از مراکز خصوصی (45 بارداری) از سال 1360 تا 1392، در مرداد و شهریور ماه سال 1393 بررسی و متغیرهای مورد نظر استخراج گردید. با استفاده از رگرسیون لاجستیک باینری در spss, ver. 20 (chicago, il, usa) متغیرهای تاثیرگذار در نتایج بارداری شناسایی شد. متغیرهای انتخابی به عنوان ورودی شبکه استفاده شد. شبکه پرسپترون چندلایه (multi-layer perceptron, mlp) پیش خور با الگوریتم پس انتشار گرادیان توام مدرج در matlab, ver. r2013b (natick, ma, usa) طراحی و مورد ارزیابی قرار گرفت. برای ارزیابی شبکه از ماتریس کانفیوژن استفاده شد. یافته ها: دوازده متغیر که 05/0>p داشتند به عنوان متغیرهای تاثیرگذار، به همراه 4 متغیر به نسبت تاثیرگذار با 1/0p<، برای پیش بینی نتایج حاملگی در بیماران لوپوسی با استفاده از رگرسیون لاجستیک شناسایی شد. از این 16 متغیر به عنوان ورودی شبکه پرسپترون چند لایه استفاده گردید. صحت، حساسیت و ویژگی بهترین شبکه عصبی طراحی شده در داده های تست به ترتیب 9/90%، 0/80%، 1/94% و در کل داده ها به ترتیب 3/97%، 5/93%، 0/99% بود. نتیجه گیری: با استفاده از فاکتورهای تاثیرگذار شناسایی شده در این مطالعه و استفاده از شبکه پرسپترون چند لایه (mlp) برای پیش بینی سقط خودبه خودی جنین و نوزاد سالم، می توان به درستی، پیامد بارداری در زنان لوپوسی را پیش بینی نمود.

اسناد مشابه

  • طراحی شبکه عصبی مصنوعی برای پیش‌بینی نتایج حاملگی در مادران باردار لوپوسی در ایران

    مقاله۲۰۱۵مجله دانشکده پزشکی دانشگاه علوم پزشکی تهراناکبریان, محمود، رستم نیاکان کلهری, شراره، شیخ طاهری, عباس، پایدار, خدیجه

    Background: Pregnancy in women with systemic lupus erythematosus (SLE) is still introduced as a major challenge. Consulting before pregnancy in these patients is essential in order to estimating the risk of undesirable maternal and fetal outcomes by using appropriate information.

  • روش های ترکیب شبکه عصبی در پیش بینی نتایج آزمایشات روانی و مقاومتی بتن خودتراکم

    مقالهمدلسازی در مهندسیمحمدمهدی یوسفی، دانشکده عمران موسی مظلوم، دانشکده عمران

    امروزه بتن خودتراکم ازجمله بتن های پرکاربرد دنیا می باشد. اما از آنجا که طرح اختلاط آن به نتایج آزمایشات روانی آن وابسته است، در پروژه های عملی به علت وجود خطای کارگاهی، هزینه بالا، اجرای مشکل بعضی از آزمایشات و نبودن زمان کافی برای تست نمونه ها، پیمانکاران از این بتن بسیار کم اس

  • روش های ترکیب شبکه عصبی در پیش بینی نتایج آزمایشات روانی و مقاومتی بتن خودتراکم

    مقاله۲۰۱۴مدلسازی در مهندسیمحمدمهدی یوسفی، موسی مظلوم

    امروزه بتن خودتراکم ازجمله بتن های پرکاربرد دنیا می باشد. اما از آنجا که طرح اختلاط آن به نتایج آزمایشات روانی آن وابسته است، در پروژه های عملی به علت وجود خطای کارگاهی، هزینه بالا، اجرای مشکل بعضی از آزمایشات و نبودن زمان کافی برای تست نمونه ها، پیمانکاران از این بتن بسیار کم اس

  • طراحی شبکه عصبی مصنوعی برای پیش بینی توأم سندرم متابولیک و شاخص مقاومت به انسولین (homa-ir): مطالعه قند و لیپید تهران

    مقالهدانشور پزشکییداله محرابی، yadollah mehrabi مرتضی سدهی، morteza sedehi انوشیروان کاظم نژاد، anoushirvan kazemnejad وحید جوهری مجد

    مقدمه و هدف: زمانی که در یک مطالعه بیش از یک متغیر پاسخ با مقیاس اندازه گیری متفاوت داشته باشیم، این گونه پاسخ ها را چند متغیره آمیخته می گویند. با توجه به محدودیت ها و برقرارنبودن برخی پیش فرض ها، روش های کلاسیک آماری برای مدل بندی و پیش بینی این پاسخ ها کارایی ندارند. هدف این م

  • کاربرد رهیافت شبکه عصبی در پیش بینی قیمت کنجاله سویا در بورس کالای ایران

    مقالهاقتصاد مالیعلی اکبر باغستانی، استادیار دانشگاه آزاد واحد علوم تحقیقات سعید یزدانی، استاد اقتصاد دانشگاه تهران مجید احمدیان، استاد اقتصاد دانشگاه تهران

    چکیده وابستگی روزافزون صنعت دام و طیور کشور به کنجاله سویا، موجب شده است تا هرگونه نوسان قیمت این محصول از نگاه فعالان بازار آن به دقت و حساسیت پی گیری شود. این نوسان ها در برخی مقاطع، دغدغه ها و نگرانی های جدی در خصوص وضعیت تأمین کنجاله سویا و قیمت آن به وجود آورده است.به منظور

  • مقایسه نتایج مدلهای آماری و شبکه عصبی در پیش بینی تعداد تصادفات در تقاطعات

    مقالهپژوهشنامه حمل و نقلشهریار افندی زاده، استادیار، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران سیدابراهیم عبدالمنافی، دانش آموخته کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران محمود احمدی نژاد، استادیار، دانشکده مهندسی عمران، دانشگاه علم و صنعت ایران، تهران، ایران

    تصادفات ترافیکی از عوامل بسیار مهم مرگ ومیر بوده و خسارات و آسیب های شدید جانی و مالی در پی دارند.. تصادفات همچنین آثار و تبعات سنگین اجتماعی، فرهنگی و اقتصادی دارند که موارد ناشی از آنها جوامع بشری را به شدت تاثیر قرار می دهد. اگرچه گسترش روزافزون ترافیک در شهرها موجب افزایش مزا