مقایسه پیش بینی ابتلا به دیابت بارداری با مدل های شبکه عصبی مصنوعی و درخت تصمیم
دیابت بارداری از شایعترین اختلالات متابولیک بارداری است که با عوارض خطرناکی همراه است. در صورت تشخیص زودرس آن می توان از برخی عوارض مادری و جنینی جلوگیری کرد. هدف این پژوهش پیش بینی زودرس دیابت بارداری توسط مدل های آماری شبکه عصبی مصنوعی و درخت تصمیم و نیز مقایسه این مدل ها در تشخیص دیابت بارداری بود.
در این مطالعه مدلسازی، از پرونده های زنان باردار در مراکز بهداشتی شهر کرمانشاه (1391-1389)، 400 پرونده که بدون داده های گمشده بود بررسی شد. اطلاعات دموگرافیک، رتبه بارداری، دیابت، پارامترهای باروری و نتایج آزمایشات از پرونده آنان گردآوری شد. مدل های شبکه عصبی مصنوعی پرسپترون و درخت تصمیم به داده ها برازش داده شد و عملکرد آن ها با هم مقایسه گردید. براساس معیارهای صحت، حساسیت، ویژگی و سطح زیر منحنی راک (Receiver operating characteristic, ROC)، مدل برتر معرفی شد.
پس از برازش مدل های شبکه عصبی مصنوعی و درخت تصمیم، مقادیر معیارها محاسبه شد. مقدار تمام معیارها در شبکه عصبی بیشتر از درخت تصمیم بود. به ترتیب برای مدل های یادشده، صحت برابر 0/83 و 0/77، حساسیت 0/62 و 0/56، ویژگی 0/95 و 0/87 بود. سطح زیر منحنی راک مدل شبکه عصبی به طور معناداری بیشتر از درخت تصمیم بود (0/79، 0/74 و 0/03P=0/03).
در پیش بینی دیابت بارداری، مدل شبکه عصبی مصنوعی دارای صحت، حساسیت، ویژگی و سطح زیر منحنی راک بالاتری نسبت به درخت تصمیم بود. می توان نتیجه گرفت که مدل شبکه عصبی مصنوعی پرسپترون دارای پیش بینی های صحیح تر و نزدیک تر به واقعیت نسبت به درخت تصمیم است.
دیابت بارداری ، شبکه عصبی مصنوعی ، درخت تصمیم ، صحت ، حساسیت
- 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.