پیش بینی تولد نوزاد نارس در مادران باردار شده از طریق فن آوری های کمک باروری با استفاده از شبکه عصبی
Authors
abstract
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.
similar resources
پیشبینی تولد نوزاد نارس در مادران باردار شده از طریق فنآوریهای کمک باروری با استفاده از شبکه عصبی
Introduction: Nowadays, assisted reproductive technologies are widely used to treat infertility in couples. Studies indicate that the rate of premature birth after using Assisted Reproductive Technologies has been increased as compared to normal pregnancies. The purpose of our study was predicting premature birth in pregnant women via Assisted Reproductive Technologies using artificial neural n...
full textاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
full textاثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین
Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...
full textمدیریت مادران در رابطه با تولد نوزاد نارس
تولد نوزاد نارس تجربه ویژه ای برای مادران می باشد و آنها را با چالشهای متعددی روبرو میکند. از آنجا که درک و فهم جامع و کامل از نحوه مدیریت مادران در رابطه با تولد نوزاد نارس، میتواند تیم مراقبتی و درمانی را در کشف کمبودها و نیازهای مادرانِ این نوزادان و جهت مداخله بهتر و موثرتر کمک کند، لذا این مطالعه با هدف تبیین مدیریت مادران در رابطه با تولد نوزاد نارس انجام شده است. این مطالعه کیفی با رویکرد...
15 صفحه اولمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
full textMy Resources
Save resource for easier access later
Journal title:
مدیریت سلامتجلد ۱۸، شماره ۶۲، صفحات ۴۲-۵۱
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023