پیش بینی تولد نوزادان با وزن کم در هر یک از بازه های دوران بارداری، با به کارگیری روش های هوش مصنوعی فازی و غیر فازی، بدون استفاده از اندازه گیری های حاصل از سونوگرافی

وزن کم نوزاد در زمان تولد را می توان مهم ترین عامل در بیماری و مرگ ومیر نوزادان دانست. نوزادانی که در زمان تولد وزن کمی دارند، بیشتر در معرض بیماری ها قرار می گیرند. به همین دلیل، پیش بینی احتمال کم وزن بودن نوزاد پیش از تولد، از اهمیت بالایی برخوردار است.
در این مطالعه، یک سیستم تشخیصی به کمک رایانه ارایه شد که به کمک آن می توان گروه وزنی نوزاد را در زمان تولد پیش بینی کرد و نوزادان را در دو گروه نوزاد با وزن کم و وزن طبیعی طبقه بندی نمود. همچنین، ارتباط میان وزن کم نوزاد در زمان تولد و فاکتورهای ثبت شده از مادران باردار در سه ماهه ی اول، دوم و سوم بارداری مورد بررسی قرارگرفت. مجموعه ی داده های مورد استفاده در این مطالعه شامل اطلاعات گرفته شده از 526 زن باردار با 95 متغیر مختلف ثبت شده از آن ها است. برای طبقه بندی نمونه های این مطالعه از روش های کلاس بندی نزدیک ترین همسایه ها، شبکه های عصبی احتمالاتی و دو نوع کلاس بند عصبی- فازی انطباقی استفاده گردیده است. علاوه بر آن، انتخاب ویژگی به روش پی درپی نیز برای کاهش اندازه ی فضای ویژگی ها مورد استفاده قرار گرفته است.
صحت طبقه بندی با استفاده از کلاس بندهای نزدیک ترین همسایه ها، شبکه ی عصبی احتمالاتی و کلاس بند عصبی- فازی انطباقی با استفاده از دو الگوریتم گرادیان مزدوج مدرج و شرایط زبانی، با انتخاب ویژگی به ترتیب برابر با 93، 83، 80 و 83 درصدگزارش شده است.
از میان کلاس بندهای مورد استفاده، توان بهترین کلاس بند مورد استفاده در این مطالعه با استفاده از روش های مناسب اعتبارسنجی، 96 درصد و خطای نوع اول آن 1/ 0 بوده است. با توجه به این نتایج، سیستم تشخیصی ارائه شده از لحاظ بالینی معتبر می باشد.