دکتر فرین سلیمانی، دکتر رباب تیموری، دکتر ساحل همتی، دکتر اکبر بیگلریان،
جلد ۲۰، شماره ۱۱۵ - ( ۱۰-۱۳۹۲ )
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، ۶۰۰ شیرخوار با معاینه عصبی طبیعی و ۱۲۰ 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 (۳۶۰ مورد) انجام
شد. پس از آموزش شبکه، مرحله آزمایش شبکه با مجموعه دادههای آزمایشی (۳۶۰ مورد
دادههای باقیمانده) انجام پذیرفت. تحلیل
دادهها با نرمافزارR نسخه ۱/۱۴ 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 ۶/۷۸ درصد در مقابل ۹/۷۳ درصد می باشد. سطح زیر منحنی مشخصه
عملکرد در مورد شبکه عصبی مصنوعی ۷۱/۰ و در مدل رگرسیون لجستیک ۶۸/۰ به دست آمد.
در مجموع، ویژگی و حساسیت شبکه عصبی مصنوعی در مقایسه با مدل رگرسیون به ترتیب ۰/۸۸
درصد در مقابل ۰/۸۵ درصد و ۷/۳۱ درصد در برابر ۳/۱۸ 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.
