تشخيص ناباروري مردان از روي عوامل محيطي و سبك زندگي با استفاده از الگوريتم هاي هوش مصنوعي

Male Infertility Prediction from Environmental Factors and Lifestyle Using Artificial Intelligence Algorithms

مقدمه مشكل ناباروري به خصوص در ميان مردان يكي از مسايلي است كه در دهه هاي اخير به آن توجه خاصي شده است. ناباروري در مردان مي تواند از عوامل مختلفي ناشي شود. تحقيقات گسترده اي در خصوص تاثير عوامل محيطي و سبك زندگي افراد بر روي كيفيت اسپرم مردان و ناباروري آن ها انجام شده است. در اين بين روش هاي هوش مصنوعي به عنوان يك سيستم تصميم يار هوشمند مي توانند كمك شاياني در تشخيص ناباروري مردان نمايند. روش كار در اين پژوهش با استفاده از الگوريتم هاي داده كاوي در هوش مصنوعي سعي شده است تا عوامل تاثيرگذار بر روي كيفيت اسپرم مردان، و در نتيجه تشخيص ناباروري آن ها بررسي و بهترين روش به اين منظور معرفي گردد. داده هاي مورد استفاده مربوط به 100 داوطلب از دانشجويان دانشگاه آليكانته بوده است. بعد از متوازن كردن داده ها، روش هاي مختلف داده كاوي مثل شبكه ي عصبي با هدف يافتن بهترين طبقه بند مورد بررسي قرار گرفته است. يافته ها روش پيشنهادي با الگوريتم هاي مختلف داده كاوي مورد بررسي قرار گرفت تا بتوان تحليل بهتري از كارايي ساير الگوريتم ها به دست آورد. در بين طبقه بندهاي مورد بررسي، ماشين بردار پشتيبان با استفاده از اعتبارسنجي منقطع 10 لايه، توانست بهترين كارايي را با دقت 15/95% كسب كند. روش پيشنهادي، داراي كارايي رقابتي نسبت به ساير روش ها مي باشد. نتيجه گيري نتايج نشان داد كه روش پيشنهادي مي تواند با استفاده از عوامل محيطي و سبك زندگي ناباروري مردان را پيش بيني نمايد.

Introduction: Infertility is one of the most important problems, especially among males which has received special attention recently. Male infertility can be affected by different factors. There is now a large body of evidence to support the effects of life styles and environmental factors on semen quality. Data mining methods in artificial intelligence, as a decision support system, could be helpful in medical diagnosis of male infertility. Methods: The influencing factors of seminal quality, and as a result ability to detect the infertility in males was assessed in this study using data mining algorithms in artificial intelligence. The dataset of 100 volunteers among students of University of Alicante were used. After data balancing different classifiers such as neural network were used to find the best classifier to predict the male infertility. Results: The proposed algorithm is evaluated with different data mining algorithms to find a better analytical application of the algorithm. Support vector machine had the best accuracy (%95.15) to predict proposed infertility in male compared to the other classifiers. The proposed algorithm has a competitive accuracy compared to other algorithms. Conclusion: The proposed algorithm is able to predict male infertility from lifestyle and environmental factors using data mining algorithms.