جلد 26، شماره 6 - ( 6-1398 )
جلد 26 شماره 6 صفحات 126-118 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Hashemi Karouei S F, Abdolmaleki P, Joorsaraei S G. Prediction the success rate of intracytoplasmic sperm injection (ICSI) using artificial neural networks and logistic regression. RJMS 2019; 26 (6) :118-126
URL: http://rjms.iums.ac.ir/article-1-5365-fa.html
URL: http://rjms.iums.ac.ir/article-1-5365-fa.html
هاشمی کرویی سیده فضه، عبدالمالکی پرویز، جورسرایی سید غلامعلی. پیشگویی میزان موفقیت روش تلقیح اسپرم داخل سیتو پلاسم تخمک (ICSI) با استفاده از شبکه عصبی مصنوعی و لوژستیک رگرسیون. مجله علوم پزشکی رازی. 1398; 26 (6) :118-126
دانشگاه تربیت مدرس، تهران، ایران ، parviz@modares.ac.ir
چکیده: (3066 مشاهده)
زمینه و هدف: تزریق اسپرم به داخل تخمک (ICSI) در زوجین نابارور، تحولی شگرف در درمان این بیماران ایجاد نموده است. متأسفانه علی‌رغم هزینه بالای انجام ICSI، میزان موفقیت آن چشم‌گیر نبوده و شکست در ایجاد حاملگی، استرس سنگینی به آن‌ها تحمیل می‌کند. هدف از این تحقیق کوششی برای استخراج بهترین پارامتر‌های پیشگویی‌کننده در میزان موفقیت ICSI و ارتقای دقت، حساسیت و ویژگی پیشگویی به کمک مدل ریاضی لوژستیک رگرسیون و شبکه عصبی مصنوعی می‌باشد.
روش کار: اطلاعات لازم از پرونده 345 بیمار تحت درمان ICSI و در قالب 54 پارامتراسمی و عددی استخراج گردید. داده‌ها به صورت تصادفی به دو دسته تخمین و یا آموزش (276n=) و اعتبارسنجی یا آزمون (69 n=) تقسیم شدند. مدل‌های بکاربرده شده در این تحقیق باینری لوژستیک رگرسیون و شبکه عصبی با الگوی یادگیری لونبرگ مارکوارد بودند. نهایتاً مدل‌ها بوسیله شاخص‌هایی مانند دقت، حساسیت و ویژگی ارزیابی گردیدند.
یافته‌ها: بهترین خروجی بدست آمده با مدل باینری لوژستیک و با استفاده از 54 متغیر 97% دقت، 86% حساسیت و 94% ویژگی را بدست داد. بهترین خروجی برای شبکه عصبی با استفاده از الگوی آموزشی لونبرگ مارکوارد با مدل کاهش یافته شامل تعداد 29 متغیر، دقت 82%، حساسیت 92% و ویژگی 76% بدست داد.
نتیجه‌گیری: مدل باینری لوژستیک رگرسیون دارای قدرت زیادی در پیشگویی میزان موفقیت تزریق داخل سیتوپلاسمی تخمک هنگامی که خروجی به صورت باینری است می‌باشد.
روش کار: اطلاعات لازم از پرونده 345 بیمار تحت درمان ICSI و در قالب 54 پارامتراسمی و عددی استخراج گردید. داده‌ها به صورت تصادفی به دو دسته تخمین و یا آموزش (276n=) و اعتبارسنجی یا آزمون (69 n=) تقسیم شدند. مدل‌های بکاربرده شده در این تحقیق باینری لوژستیک رگرسیون و شبکه عصبی با الگوی یادگیری لونبرگ مارکوارد بودند. نهایتاً مدل‌ها بوسیله شاخص‌هایی مانند دقت، حساسیت و ویژگی ارزیابی گردیدند.
یافته‌ها: بهترین خروجی بدست آمده با مدل باینری لوژستیک و با استفاده از 54 متغیر 97% دقت، 86% حساسیت و 94% ویژگی را بدست داد. بهترین خروجی برای شبکه عصبی با استفاده از الگوی آموزشی لونبرگ مارکوارد با مدل کاهش یافته شامل تعداد 29 متغیر، دقت 82%، حساسیت 92% و ویژگی 76% بدست داد.
نتیجه‌گیری: مدل باینری لوژستیک رگرسیون دارای قدرت زیادی در پیشگویی میزان موفقیت تزریق داخل سیتوپلاسمی تخمک هنگامی که خروجی به صورت باینری است می‌باشد.
نوع مطالعه: پژوهشي |
موضوع مقاله:
زنان و زایمان
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
