تشخيص بيماري پريودنتال با استفاده از الگوريتم لونبرگ- ماركواردت

سابقه و هدف: بيماري پريودنتال، يكي از شايع ترين بيماري هاي عفوني دهان است. تشخيص صحيح و زودهنگام آن مي تواند موجب كاهش ميزان عوارض ناخوشايند گردد. هدف از اين مطالعه بررسي دقت و كارايي شبكه ي عصبي مصنوعي در تشخيص بيماري پريودنتال است. مواد و روش ها: اين مطالعه ي تشخيصي، در بازه ي زماني سال هاي 94 و 95 از بررسي پرونده ي پزشكي 230 مراجعه كننده به بخش پريودانتيكس دانشكده ي دندانپزشكي زاهدان انجام شد. 5 متغير سن، جنسيت، شاخص پلاك دنداني (PI)، عمق پروبينگ (PPD) و شاخص از دست دادن چسبندگي (CAL) در اين افراد بررسي شد. در مدل شبكه ي عصبي مصنوعي پيش خور با الگوريتم پس انتشار خطا از تابع آموزشي لونبرگ ماركواردت استفاده شد. ارزش پيش بيني مثبت و ارزش پيش بيني منفي جهت ارزيابي شبكه در مرحله ي آزمون مورد استفاده قرار گرفت. يافته ها: نتايج نشان دادن كه شبكه ي پس انتشار خطا با ساختار 52042 و الگوريتم لونبرگماركواردت و استفاده از توابع انتقال يكسان در تمام لايه ها (تانژانت هايپربوليك سيگموئيدي) مي تواند به عنوان تابع آموزشي كارا در تشخيص بيماري پريودنتال مورد استفاده قرار گيرد. مقادير ارزش پيش بيني مثبت و منفي در مرحله ي آزمون به ترتيب 94/7 و 80 درصد به دست آمد. خروجي نرم افزار مقادير مناسبي را براي زمان (5870/4 ثانيه) و رگرسيون در فاز آزمون،آزمايش و كل (7475/0 ، 9749/0 و 9254/0) به دست آورد. نتيجه گيري: به نظر مي رسد استفاده از شبكه عصبي مصنوعي مي تواند در تشخيص بيماري هاي پريودنتال در حداقل زمان كمك كننده باشد.