iumssj
جلد 20، شماره 115 - ( 10-1392 )                   جلد 20 شماره 115 صفحات 31-38 | برگشت به فهرست نسخه ها

XML English Abstract Print


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

Soleimani F, Teymouri R, Hemati S, Biglarian A. Artificial neural network for risk assessment of neonatal movement disorders . RJMS. 2014; 20 (115) :31-38
URL: http://rjms.iums.ac.ir/article-1-2923-fa.html
سلیمانی فرین، تیموری رباب، همتی ساحل، بیگلریان اکبر. شبکه عصبی مصنوعی برای ارزیابی خطر اختلالات حرکتی در نوزادان. مجله علوم پزشکی رازی. 1392; 20 (115) :31-38

URL: http://rjms.iums.ac.ir/article-1-2923-fa.html


دانشگاه علوم بهزیستی و توانبخشی
چکیده:   (4366 مشاهده)
 

زمینه و هدف: پیش بینی اختلالات تکاملی بعدی در هنگام تولد بسیار با اهمیت است. این مطالعه با هدف پیش­بینی اختلالات حرکتی کودکان با استفاده از شبکه عصبی مصنوعی Artificial Neuronal Network -ANN)) در دوره نوزادی طرح­ریزی شده است.

 

روش کار: در این مطالعه­ی گذشته­نگر، 600 شیرخوار با معاینه عصبی طبیعی و 120 شیرخوار با معاینه عصبی غیر طبیعی بررسی شدند. برای انجام تحلیل، داده­ها به صورت تصادفی به دو قسمت آموزشی و آزمایشی تقسیم شدند. فرآیند یادگیری با مجموعه اول (360 مورد) انجام شد. پس از آموزش شبکه، مرحله آزمایش شبکه با مجموعه داده­های آزمایشی (360 مورد داده­های باقی­مانده) انجام پذیرفت. تحلیل  داده­ها با نرم­افزارR  نسخه 1/14 انجام شد.

 

یافته‌ها: برای مقایسه صحت کلاس بندی دو مدل مبتنی بر مجموعه آزمایشی در پیشگویی اختلال حرکتی از جدول صحت کلاس بندی استفاده گردید. شاخص­های هماهنگی نشان داد که شبکه عصبی مصنوعی در مقایسه با مدل رگرسیون لجستیک دارای دقت پیشگویی بالاتری است و مجموع پیشگویی درست با/بدون اختلال حرکتی در شبکه عصبی مصنوعی 6/78 درصد در مقابل 9/73 درصد می باشد. سطح زیر منحنی مشخصه عملکرد در مورد شبکه عصبی مصنوعی 71/0 و در مدل رگرسیون لجستیک 68/0 به دست آمد. در مجموع، ویژگی و حساسیت شبکه عصبی مصنوعی در مقایسه با مدل رگرسیون به ترتیب 0/88 درصد در مقابل 0/85 درصد و 7/31 درصد در برابر 3/18 درصد به دست آمد.

 

نتیجهگیری: توانایی شبکه عصبی مصنوعی و مدل رگرسیون لجستیک در پیش بینی کودکان بدون اختلال حرکتی مشابه بوده ولی توانایی شبکه عصبی مصنوعی در پیش بینی اختلال حرکتی بیش­تر از مدل رگرسیونی است.

 
متن کامل [PDF 293 kb]   (2314 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: نوزادان

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

کلیه حقوق این وب سایت متعلق به مجله علوم پزشکی رازی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2021 All Rights Reserved | Razi Journal of Medical Sciences

Designed & Developed by : Yektaweb