مدل داده کاوی جهت بهبود نتایج درمان ناباروری با روش ivf

ناباروری یکی از مهمترین مشکلات اجتماعی است که تاثیر ساختاری در جامعه مدرن ایجاد می کند. مطابق با گزارش سازمان بهداشت جهانی، بیش از 80 میلیون نفر در سراسر جهان دچار ناباروری هستند. ivf یک تکنولوژی نسبتا پیچیده جهت کمک به باروری است و از اولین باری که از این روش در سال 1978 استفاده شده تا کنون، این روش در حال تکامل است. اگرچه بخش های خاصی از این روش در طول سالها بهبود یافته است اما نرخ باروری تغییر نکرده و در بهترین حالت حدود 30% است. در هر مرحله از این روش، بسیاری از متغییرهای وابسته و مستقل ممکن است در نتیجه کار تاثیر داشته باشند. با وجود متغییرهای زیاد برای پزشک، تصمیم گیری آگاهانه جهت بهینه سازی میزان موفقیت برای هر زوج نابارور دشوار است. سیستم تصمیم گیری هوشمند ممکن است بتواند پزشکان ivf را جهت مقابله با پیچیدگی حوزه در طول برنامه ریزی درمان کمک کند و به کشف روابط بین متغییرها، که به طور بالقوه برای بهبود نرخ بارداری می تواند مورد استفاده قرار گیرد، بپردازد. در این پایان نامه داده کاوی روی اطلاعات مربوط به زوج های ناباروری که جهت درمان به مرکز ناباروری یزد مراجعه کردند، انجام شده است. تعداد نمونه های موجود در این پایگاه داده جمع آوری شده شامل 1077 رکورد و 37 ویژگی است. بعد از اینکه پایگاه داده ایجاد شد، در مرحله اول پیش پردازش به ایجاد ویژگی پرداخته شد و در مراحل بعد به مقابله با داده های گم شده، حذف ویژگی هایی با وابستگی زیاد و به شناسایی داده های پرت پرداخته شد. سپس با استفاده از انواع الگوریتم های طبقه بندی مبتنی بر قانون به ساخت مدل پرداخته شد. در مرحله بعد با استفاده از الگوریتم های انتخاب ویژگی، به وزن دهی ویژگی ها پرداخته شد و بعد از آن روش های طبقه بندی بکار گرفته شده در مرحله قبل را با استفاده از موثرترین ویژگی ها دوباره بکار گرفته شد. نتایج حاکی از آن است که از بین الگوریتم های طبقه بندی، مدل part rule با 94.7% دارای بیشترین دقت است. برای افزایش دقت مدل های استفاده شده و تنوع سازی جهت ورود نمونه ها از الگوریتم های ایجاد تنوع bagging و adaboost استفاده شده است و در آخر این نتیجه حاصل شد که متغییر قطر آندومتر بیشترین تاثیر را در نتیجه درمان ivf دارد. کلمات کلیدی: داده کاوی، ناباروری، ivf، پیش بینی، الگوریتم های طبقه بندی