پیش بینی وضعیت کم خونی با استفاده از شبکه عصبی

این مقاله به وجود آمده است زیرا چندین مورد کمبود آهن هنوز به زودی کشف نمی شود، به خصوصدر جوامعی که دسترسی محدودی به منابع پزشکی و آزمایشگاهی دارند. فناوری های تشخیصتجاوزی و هزینه های گزاف نیز موانع اضافی برای تشخیص زودرس می باشند. یک روش موثر، دقیقو غیر تهاجمی برای شناسایی کمبود آهن لازم است. در این مطالعه، تصویر همزایه چشم به عنوانیک روش غیر تهاجمی برای شناسایی کمبود آهن تحلیل شده است. رویکردهای مختلف مدل درتلاش برای دسته بندی بیماران مبتلا به کمبود آهن و سالم ارزیابی شده است. الگوریتم رگرسیونلجستیک به عنوان برنامه موثرترین تعیین شد. با این ترکیب ، دقت (Accuracy) ۹۷.۵۳ ٪ وحساسیت (F۱-score) ۹۴.۷۴ ٪ به دست آمد. این یافته ها نشان می دهند که مدل می تواند بیمارانسالم را با موفقیت شناسایی کند در حالی که بیماران مبتلا به کمبود آهن را به صورت دقیقشناسایی می کند. این روش راهی غیر تهاجمی برا ی تشخیص زودرس کمبود آهن ارائه می دهد کهبرای استفاده در محیط های بالینی واعد می باشد. تکنیک رگرسیون لجستیک بر اساس تصاویرهمزایه چشم استوانه و قابلیت بهبود مراقبت از سلامتی را با شناسایی افرادی که احتمالا قبلا دچارکمبود آهن شده اند، دارد. این تکنیک به عنوان یک گزینه قوی برای تشخیص کمبود آهن به طورکارآمد و دقیق در هنگام تعادل دقت و حساسیت مشخص می شود .

کلیدواژه ها:

شناسایی کمبود آهن ، تصاویر همزایه چشم ، رگرسیون لجستیک ،