تشخیص آپاندیسیت حاد در کودکان با استفاده از شبکه های عصبی مصنوعی

زمینه و هدف: آپاندیسیت حاد، یکی از شایع ترین علت جراحی اورژانس، به ویژه در کودکان است. تشخیص صحیح و به موقع آن می تواند موجب کاهش میزان عوارض ناخوشایند گردد. باوجود پیشرفت روش های تشخیصی هنوز درصد چشمگیری از بیماران با تشخیص اولیه آپاندیسیت حاد، دارای لاپاراتومی منفی هستند. هدف از این پژوهش ارزیابی نقش شبکه های عصبی مصنوعی در تشخیص آپاندیسیت حاد در کودکان با شکم حاد بود. روش کار: در این پژوهش از داده های 206 بیمار با شکم حاد استفاده گردید که از فروردین 1384 لغایت اسفند 1393 به بیمارستان کودکان علی اصغر(ع) شهر تهران مراجعه کرده بودند. در مدل شبکه عصبی مصنوعی پیش خور با الگوریتم پس انتشار خطا از دو تابع آموزشی لونبرگ مارکواردت و شیب توأم مقیاس شده استفاده شد. یافته ها: با توجه به نتایج به دست آمده، شبکه پس انتشار پیش خور با توپولوژی 2-10-12 و الگوریتم لونبرگ مارکواردت و راهبرد توابع یکسان برای تمام لایه ها (تانژانت هایپربولیک سیگموئیدی) به عنوان بهترین تابع آموزشی برای تشخیص آپاندیسیت حاد در کودکان انتخاب گردید. مقدار حساسیت، ویژگی و صحت شبکه عصبی مصنوعی 100 درصد بود. این نتایج حاکی از پتانسیل بالای شبکه های عصبی مصنوعی به عنوان ابزاری قوی در تشخیص آپاندیسیت حاد در کودکان بود. نتیجه گیری: در این پژوهش از شبکه های عصبی مصنوعی باهدف یاری رساندن به متخصصین پزشکی در تشخیص بیماری آپاندیسیت حاد استفاده گردید. شبکه های عصبی مصنوعی می تواند یک ابزار مؤثر برای تشخیص دقیق آپاندیسیت حاد باشند و این سیستم ها ممکن است آپاندکتومی های غیرضروری، هزینه ها و زمان فرایندهای تشخیصی را کاهش دهد.