ارائه مدل پیش بینی تشخیص عوامل ناباروری با استفاده از الگوریتم های داده کاوی

مقدمه: حدود 15-10 درصد از زوجین نابارور هستند. ناباروری علل متفاوتی دارد و تشخیص روش درمان بیماران بر اساس نوع عامل ناباروری آن ها انجام می شود. در این تحقیق مدلی ارائه شده است که بر اساس ویژگی های اولیه و نتایج آزمایشات ساده علل ناباروری افراد را پیش بینی می کند که می تواند به پزشکان در تشخیص زودهنگام علت ناباروری و تصمیم گیری بهینه کمک کند.  روش کار: داده های این تحقیق برگرفته از داده های ناباروری بیمارستان صارم تهران می باشد. در این تحقیق از روش های دادهکاوی استفاده شده است. ابتدا روش خوشه بندی k-means و سپس روش های دسته بندی ماشین بردار پشتیبان (svm: support vector machine) و شبکه های عصبی مصنوعی به منظور پیش بینی نوع علل ناباروری، اجرا و نتایج دو الگوریتم دسته بندی با هم مقایسه شدند. همچنین برای تحلیل داده ها و اجرای الگوریتم های بخش مدل، از نرم افزار spss clementine 12.0 استفاده شده است. یافته ها: در بخش خوشه بندی بر اساس الگوریتم k-means داده ها به پنج خوشه تقسیم شدند. در هر گروه یک یا چند علت ناباروری مشاهده شد. در ادامه و با اجرای الگوریتم های دسته بندی svm و شبکه عصبی مصنوعی، مشخص شد که الگوریتم svm با نوع کرنل چندجمله ای بالاترین کارایی را به دست آورد. نتیجه گیری: انجام این تحقیق علاوه بر اینکه منجر به شناخت بهتر ویژگی های بیماران ناباروری شد، می تواند زمینه ای برای انجام تحقیقات آتی باشد. از آنجائی که با تشخیص علل ناباروری افراد قبل از مراحل ثانویه و آزمایشات سنگین، به مقدار قابل توجهی در هزینه و زمان صرفه جویی و از اثرات جسمی که بر بیماران می گذارد کاسته خواهد شد، می توان در مطالعات آینده با استفاده از نتایج این تحقیق سیستمی را جهت اجرای این مدل پیاده سازی نمود.