طراحی و ارزیابی یک سیستم هوش مصنوعی تفسیرپذیر مبتنی بر پرسپترون چندلایه برای پیش بینی ریسک افسردگی سالمندان

در این پژوهش تحلیلی، مقطعی از داده های ۱۲۰۰ سالمند شرکت کننده در مطالعه کوهورت سالمندان امیرکلا استفاده شد. چارچوب مدل سازی مبتنی بر پرسپترون چندلایه طراحی گردید. بر اساس معیار استاندارد نمره مقیاس افسردگی سالمندان به عنوان معیار طلایی در نظر گرفته شد؛ به طوری که نمرات بزرگتر یا مساوی یک به عنوان افسردگی و نمرات پایین تر به عنوان سالم طبقه بندی شدند. از ۱۲۰۰ نفر ۲۴۰ نفر (۲۰٪) به عنوان داده تست انتخاب شدند که شامل ۱۶۳ فرد سالم و ۷۷ فرد مبتلا به افسردگی بود. عملکرد مدل با معیارهای متفاوت ارزیابی شد. مدل پرسپترون چندلایه با صحت ۹۳.۷۵٪ موفق به طبقه بندی صحیح افراد سالم و مبتلا به افسردگی در داده های آزمون شد. این نتیجه نشان می دهد مدل با کارایی بالا قادر به تشخیص موارد بر اساس نمره مقیاس افسردگی سالمندان است. تحلیل اهمیت متغیرها نیز نشان داد که کیفیت خواب، وضعیت افسردگی، عملکردی و حمایت اجتماعی به ترتیب بیشترین سهم را در پیش بینی مدل داشته اند.

کلیدواژه ها:

یادگیری ماشین ، یادگیری عمیق ، پرسپترون چندلایه ، افسردگی سالمند ، ضریب همبستگی متیو