دوره 73، شماره 4 - ( تیر 1394 )                   جلد 73 شماره 4 صفحات 251-259 | برگشت به فهرست نسخه ها

XML English Abstract Print


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

Akbarian M, Paydar K, ostam Niakan Kalhori S R, Sheikhtaheri A. Designing an artificial neural network for prediction of pregnancy outcomes in women with systemic lupus erythematosus in Iran. Tehran Univ Med J. 2015; 73 (4) :251-259
URL: http://tumj.tums.ac.ir/article-1-6730-fa.html
اکبریان محمود، پایدار خدیجه، رستم نیاکان کلهری شراره، شیخ طاهری عباس. طراحی شبکه عصبی مصنوعی برای پیش‌بینی نتایج حاملگی در مادران باردار لوپوسی در ایران. مجله دانشکده پزشکی، دانشگاه علوم پزشکی تهران. 1394; 73 (4) :251-259

URL: http://tumj.tums.ac.ir/article-1-6730-fa.html


1- مرکز تحقیقات روماتولوژی، دانشگاه علوم پزشکی تهران
2- گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهرانن
3- گروه بهداشت عمومی، دانشکده بهداشت، دانشگاه علوم پزشکی جندی شاپور اهواز
4- گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی ایران ، sheikhtaheri.a@iums.ac.ir
چکیده:   (3993 مشاهده)
زمینه و هدف: لوپوس اریتماتوی سیستمیک (SLE) بیماری خودایمنی چند سیستمی با تظاهرات متنوع و رفتار متغیر می‌باشد. بارداری برای زنان با SLE به‌عنوان چالش مطرح است. مشاوره پیش از بارداری به دلیل برآورد ریسک نتایج نامطلوب در مادر و جنین با استفاده از داده‌های مناسب ضروری است. هدف این مطالعه، طراحی شبکه عصبی مصنوعی برای پیش‌بینی نتایج حاملگی در زنان باردار لوپوسی بود. روش بررسی: در این بررسی گذشته‌نگر، 45 متغیر تاثیرگذار در نتایج حاملگی زنان باردار لوپوسی شناسایی شده و پرونده‌های 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 به‌عنوان ورودی شبکه استفاده شد. شبکه پرسپترون چندلایه (Multi-layer Perceptron, MLP) پیش‌خور 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. یافته‌ها: دوازده متغیر که 05/0>P داشتند به‌ عنوان متغیرهای تاثیرگذار، به همراه 4 متغیر به‌نسبت تاثیرگذار با 1/0P<، برای پیش‌بینی 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 داده‌های تست به ترتیب 9/90%، 0/80%، 1/94% و در کل داده‌ها به ترتیب 3/97%، 5/93%، 0/99% بود. نتیجه‌گیری: با استفاده از فاکتورهای تاثیرگذار شناسایی شده در این مطالعه و استفاده از شبکه پرسپترون چند لایه (MLP) برای پیش‌بینی سقط خودبه‌خودی جنین و نوزاد سالم، می‌توان به درستی، پیامد بارداری در زنان لوپوسی را پیش‌بینی نمود.
متن کامل [PDF 421 kb]   (1722 دریافت)    
نوع مطالعه: مقاله اصیل |

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA code

ارسال پیام به نویسنده مسئول


کلیه حقوق این وب سایت متعلق به مجله دانشکده پزشکی دانشگاه علوم پزشکی تهران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2019 All Rights Reserved | Tehran University Medical Journal TUMS Publications

Designed & Developed by : Yektaweb