پیش بینی تولد نوزاد نارس در مادران باردار شده از طریق فن آوری های کمک باروری با استفاده از شبکه عصبی
چکیده
مقدمه: امروزه فن آوریهای کمک باروری بهطور گستردهای برای درمان ناباروری زوجین مورد استفاده قرار میگیرد. میزان تولد نارس در نوزادان مادرانی که از طریق فنآوریهای کمک باروری باردار گردیدهاند، بیشتر از بارداریهای طبیعی میباشد. هدف این مطالعه پیشبینی تولد نوزادان نارس در مادران باردار شده از طریق فنآوریهای کمک باروری میباشد. 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 پیش بینی 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.