تشخیص بیماری پریودنتال با استفاده از الگوریتم لونبرگ- مارکواردت

خلاصه: سابقه و هدف: بیماری پریودنتال، یکی از شایع­ترین بیماری­های عفونی دهان است. تشخیص صحیح و زودهنگام آن می­تواند موجب کاهش میزان عوارض ناخوشایند گردد. هدف از این مطالعه بررسی دقت و کارایی شبکه­ی عصبی مصنوعی در تشخیص بیماری پریودنتال است. مواد و روش­ها: این مطالعه­ی تشخیصی، در بازه­ی زمانی سال­های 94 و 95 از بررسی پرونده­ی پزشکی 230 مراجعه کننده به بخش پریودانتیکس دانشکده­ی دندانپزشکی زاهدان انجام شد. 5 متغیر سن، جنسیت، شاخص پلاک دندانی )PI)، عمق پروبینگ (PPD(و شاخص از دست دادن چسبندگی  (CAL) در این افراد بررسی شد. در مدل شبکه­ی عصبی مصنوعی پیش­خور با الگوریتم پس انتشار خطا از تابع آموزشی لونبرگ -مارکواردت استفاده شد. ارزش پیش­بینی مثبت و ارزش پیش­­بینی منفی جهت ارزیابی شبکه در مرحله­ی آزمون مورد استفاده قرار گرفت. یافته­ها: نتایج نشان دادن که شبکه­ی پس انتشار خطا با  ساختار 5-20-4-2 و الگوریتم لونبرگ-مارکواردت و استفاده از توابع انتقال یکسان در تمام لایه­ها (تانژانت هایپربولیک سیگموئیدی) می­تواند به عنوان تابع آموزشی کارا در تشخیص بیماری پریودنتال مورد استفاده قرار گیرد. مقادیر ارزش پیش­بینی مثبت و منفی در مرحله ی آزمون به ترتیب  94/7 و 80 درصد به دست آمد. خروجی نرم افزار مقادیر مناسبی را برای زمان (5870/ 4 ثانیه) و رگرسیون در فاز آزمون،آزمایش و کل (7475/. ، 9749/ 0 و 9254/ 0) به دست آورد. نتیجه­گیری: به نظر می­رسد استفاده از شبکه عصبی مصنوعی می­تواند در تشخیص بیماری­های پریودنتال در حداقل زمان کمک کننده باشد.