Presenting a Model for Periodontal Disease Diagnosis Using Two Artificial Neural Network Algorithms
Message:
Abstract:
Background
Artificial neural networks (ANNs) can be used in various medical cases due to their high performance in learning the relationship between variables. Periodontal diseases are common oral infectious diseases that can cause tooth loss, if not treated.
Objectives
The current study aimed at evaluating the role of ANNs in periodontal disease diagnosis.
Methods
The data were collected from 190 periodontal disease cases in Zahedan dentistry school from 2015 to 2016. Five variables including age, gender, plaque index, probing pocket depth, and clinical attachment loss index were evaluated. The patients were divided into two groups of training (n = 160), and testing (n = 30). In the current study model, two Levenberg-Marquardet (LM) and scaled conjugate gradient (SCG) algorithms were used, and the results were compared in terms of the number of iterations and the mean square error (MSE).
Results
The obtained results showed that the LM algorithm with fewer iterations and a minimum MSE, had a better performance than the SCG algorithm.
Conclusions
ANNs can be used with low error as an effective tool to diagnose periodontal diseases.
Article Type:
Research/Original Article
Language:
English
Published:
Journal of Health Scope, Volume:7 Issue: 3, 2018
Page:
7
magiran.com/p1887015  
برخی از خدمات از جمله دانلود متن مقالات تنها به مشترکان مگیران ارایه می‌گردد. شما می‌توانید به یکی از روش‌های زیر مشترک شوید:
اشتراک شخصی
در سایت عضو شوید و هزینه اشتراک یک‌ساله سایت به مبلغ 400,000ريال را پرداخت کنید. همزمان با برقراری دوره اشتراک بسته دانلود 100 مطلب نیز برای شما فعال خواهد شد!
پرداخت با کارتهای اعتباری بین المللی از طریق PayPal امکانپذیر است.
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی همه کاربران به متن مطالب خریداری نمایند!
توجه!
  • دسترسی به متن مقالات این پایگاه در قالب ارایه خدمات کتابخانه دیجیتال و با دریافت حق عضویت صورت می‌گیرد و مگیران بهایی برای هر مقاله تعیین نکرده و وجهی بابت آن دریافت نمی‌کند.
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.