پیش بینی موفقیت لقاح آزمایشگاهی با استفاده از شبکه های فازی عصبی تطبیقی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 891

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AISST01_152

تاریخ نمایه سازی: 5 مرداد 1392

چکیده مقاله:

لقاح آزمایشگاهی یکی از تکنیک های کمکی در درمان ناباروری می باشد که به زوج های نابارور کمک می کند تا باردار شوند. پیش بینی دقیق و زود هنگام نتیجه لقاح آزمایشگاهی هم برای بیماران و هم پزشکان مهم می باشد . استفاده از سیستم فازی عصبی تطبیقی روشی نو جهت پیش بینی موفقیت درمان IVF است. برای یادگیری و تست شبکه فازی عصبی تطبیقی از داده های مرکز ناباروری منتصریه مشهد استفاده شده است. به دلیل نا متوازن بدودن داده های آموزش از روش نمونه گیری استفاده شده است. نتایج نشان می دهد شبکه های فازی عصبی تطبیقی نسبت به سایر روش ها از نرخ خطای پایین تری برخوردار است و در نتیجه می توانند به عنوان رهیافت کاربردی جدید جهت مدل سازی اطلاعات به منظور پیش بینی نتیجه لقاح آزمایشگاهی مورد استفاده قرار گیرند.

کلیدواژه ها:

پیش بینی ، داده کاوی ، شبکه های فازی عصبی تطبیقی ، لقاح آزمایشگاهی

نویسندگان

سمر اشرافی کاخکی

کارشناس ارشد گروه هوش مصنوعی و رباتیک، دانشگاه آزاد اسلامی واحد مشهد

سوده لایقی

کارشناس ارشد گروه نرم افزار، دانشگاه آزاد اسلامی واحد مشهد

سعید راحتی قوچانی

استادیار گروه برق، دانشگاه آزاد اسلامی واحد مشهد

نیره خادم

دانشیار گروه زنان، مرکز تحقیقات سلامت زنان، دانشگاه علوم پزشکی مشهد

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Fassino, S., et al., "Anxiety, depression and anger suppression in ...
  • Tan, S., et al., Cumulative conception and livebirth rates after ...
  • Bustillo, M., et al., "Serum progesterone and estradiool concentrations in ...
  • Jurisica, I., et al., "Case-based reasoning in IVF: Prediction and ...
  • Manna, C., et al., "Experimental results On the recognition of ...
  • Morales, D.A. et al., "Bayesian classification for the selection of ...
  • Guh, R.S., T.C.J. Wu, and S.P. Weng, "Integrating genetic algorithm ...
  • Trimarchi, J.R., et al., "Comparing data mining and logistic regression ...
  • Uyar, A., et al., "3P: Personalized pregnancy prediction in ivf ...
  • Saith, R., et al., "Relationships between the developmental potential of ...
  • Kaufmann, S., et al., "The application of neural networks in ...
  • Gh, Jang JR, Sun C, "Neuro-fuzzy and soft computing, " ...
  • Witten, I.H. and E. Frank, "Data Mining: Practical machine learning ...
  • A. Stassopoulou and M.DD. Dikaiakos, _ robot detectio. A probabilistic ...
  • نمایش کامل مراجع