پيشگويي ميزان موفقيت روش تلقيح اسپرم داخل سيتو پلاسم تخمك (ICSI) با استفاده از شبكه عصبي مصنوعي و لوژستيك رگرسيون

تزريق اسپرم به داخل تخمك (ICSI) در زوجين نابارور، تحولي شگرف در درمان اين بيماران ايجاد نموده است. متأسفانه علي‌رغم هزينه بالاي انجام ICSI، ميزان موفقيت آن چشم‌گير نبوده و شكست در ايجاد حاملگي، استرس سنگيني به آن‌ها تحميل مي‌كند. هدف از اين تحقيق كوششي براي استخراج بهترين پارامتر‌هاي پيشگويي‌كننده در ميزان موفقيت ICSI و ارتقاي دقت، حساسيت و ويژگي پيشگويي به كمك مدل رياضي لوژستيك رگرسيون و شبكه عصبي مصنوعي مي‌باشد. روش كار: اطلاعات لازم از پرونده 345 بيمار تحت درمان ICSI و در قالب 54 پارامتراسمي و عددي استخراج گرديد. داده‌ها به صورت تصادفي به دو دسته تخمين و يا آموزش (276n=) و اعتبارسنجي يا آزمون (69 n=) تقسيم شدند. مدل‌هاي بكاربرده شده در اين تحقيق باينري لوژستيك رگرسيون و شبكه عصبي با الگوي يادگيري لونبرگ ماركوارد بودند. نهايتاً مدل‌ها بوسيله شاخص‌هايي مانند دقت، حساسيت و ويژگي ارزيابي گرديدند. يافته‌ها: بهترين خروجي بدست آمده با مدل باينري لوژستيك و با استفاده از 54 متغير 97% دقت، 86% حساسيت و 94% ويژگي را بدست داد. بهترين خروجي براي شبكه عصبي با استفاده از الگوي آموزشي لونبرگ ماركوارد با مدل كاهش يافته شامل تعداد 29 متغير، دقت 82%، حساسيت 92% و ويژگي 76% بدست داد. نتيجه‌گيري: مدل باينري لوژستيك رگرسيون داراي قدرت زيادي در پيشگويي ميزان موفقيت تزريق داخل سيتوپلاسمي تخمك هنگامي كه خروجي به صورت باينري است مي‌باشد.

This Article has no English Abstract