شبکه عصبی مصنوعی برای ارزیابی خطر اختلالات حرکتی در نوزادان
2014
زمينه و هدف: پيش بينی اختلالات تکاملی بعدی در هنگام تولد بسيار با اهميت است. اين مطالعه با هدف پيشبينی اختلالات حرکتی کودکان با استفاده از شبکه عصبی مصنوعی Artificial Neuronal Network -ANN)) در دوره نوزادی طرحريزی شده است.
روش کار: در اين مطالعهی گذشتهنگر، 600 شيرخوار با معاينه عصبی طبيعی و 120 شيرخوار با معاينه عصبی غير طبيعی بررسی شدند. برای انجام تحليل، دادهها به صورت تصادفی به دو قسمت آموزشی و آزمايشی تقسيم شدند. فرآيند يادگيری با مجموعه اول (360 مورد) انجام شد. پس از آموزش شبکه، مرحله آزمايش شبکه با مجموعه دادههای آزمايشی (360 مورد دادههای باقيمانده) انجام پذيرفت. تحليل دادهها با نرمافزارR نسخه 1/14 انجام شد.
يافتهها: براي مقايسه صحت کلاس بندی دو مدل مبتنی بر مجموعه آزمايشی در پيشگويی اختلال حرکتی از جدول صحت کلاس بندی استفاده گرديد. شاخصهای هماهنگی نشان داد که شبکه عصبی مصنوعی در مقايسه با مدل رگرسيون لجستيک دارای دقت پيشگويی بالاتری است و مجموع پيشگويی درست با/بدون اختلال حرکتي در شبکه عصبی مصنوعی 6/78 درصد در مقابل 9/73 درصد می باشد. سطح زير منحنی مشخصه عملکرد در مورد شبکه عصبی مصنوعی 71/0 و در مدل رگرسيون لجستيک 68/0 به دست آمد. در مجموع، ويژگی و حساسيت شبکه عصبی مصنوعی در مقايسه با مدل رگرسيون به ترتيب 0/88 درصد در مقابل 0/85 درصد و 7/31 درصد در برابر 3/18 درصد به دست آمد.
نتيجهگيری: توانايي شبکه عصبی مصنوعی و مدل رگرسيون لجستيک در پيش بينی کودکان بدون اختلال حرکتي مشابه بوده ولی توانايی شبکه عصبی مصنوعی در پيش بينی اختلال حرکتی بيشتر از مدل رگرسيونی است.
واژههای کلیدی: تكامـل انسان، شير خوار، شبکه عصبی مصنوعی، رگرسیون لجستیک، اختلال حرکتی،
Keywords:
- Correction
- Source
- Cite
- Save
- Machine Reading By IdeaReader
0
References
0
Citations
NaN
KQI