طراحی سیستم تصمیم یار بالینی مبتنی بر شبکه عصبی مصنوعی به منظور پیش بینی نتایج حاملگی در سیکل های ICSI

تزریق درون سیتوپلاسمی اسپرم یا میکرواینجکشن (ICSI)، یکی از تکنیکهای کمک باروری (ART) رایج در درمان بیماران با مشکلات نازایی است. در هر یک از مراحل این سیکل درمانی، بسیاری از متغیرهای وابسته و مستقل، ممکن است در نتیجه کار تاثیر داشته باشند که بر اساس آن، برآورد دقت نرخ باروری برای پزشکان دشوار خواهد بود. در پژوهش حاضر، شبکه عصبی مصنوعی به منظور پیشبینی نتایج حاملگی در سیکل های ICSI طراحی و ارزیابی گردید. این مطالعه به صورت توصیفی انجام شد و در ابتدا ویژگیهای موثر در نتیجه درمان، با مطالعه متون تخصصی و منابع مربوط جمع آوری شد. سپس در قالب چکلیست دسته بندی و توسط متخصصان ناباروری ارزیابی و اولویت بندی گردید. پایگاه داده با استفاده از پرونده بیمارانی که به بخش درمان ناباروری مرکز پزشکی، آموزشی و درمانی آیتاالله طالقانی تهران مراجعه کرده بودند، جمع آوری گردید. سپس معماری های مختلف از شبکه عصبی مصنوعی پرسپترون چندلایه (MLP) و همچنین الگوریتم های آموزشی پس انتشار پایه (SDBP) و پس انتشار مبتنی بر گرادیان مزدوج مدرج (SCGBP) جهت تعیین بهینه ترین عملکرد تشخیصی در نرمافزارMATLAB پیادهسازی و مقایسه گردید. برای ارزیابی شبکه نیز شاخص های صحت پیشبینی و سطح زیر منحنی مشخصه عملکرد سیستم (AUC) مورد استفاده قرار گرفت. در مدل های ارایه شده، بهینه ترین خروجی مربوط به شبکه MLP دولایه با هفت نورون در لایه پنهان و الگوریتم بهینه سازی SCGBP به دست آمد که در این مدل مقادیر صحت پیشبینی و AUC به ترتیب برابر %98/4 و 0/9916 گزارش گردید. شبکه MLP طراحی شده میتواند عملکرد فرد متخصص را در پیشبینی نتایج درمان با دقت بسیار زیاد و قابلیت اطمینان بالایی مدلسازی کند.

کلیدواژه ها:

ناباروری ، تزریق درون سیتوپلاسمی اسپرم ، شبکه های عصبی مصنوعی ، گرادیان مزدوج مدرج