پیشگویی میزان موفقیت روش تلقیح اسپرم داخل سیتو پلاسم تخمک (ICSI) با استفاده از شبکه عصبی مصنوعی و لوژستیک رگرسیون

تزریق اسپرم به داخل تخمک (ICSI) در زوجین نابارور، تحولی شگرف در درمان این بیماران ایجاد نموده است. متاسفانه علی رغم هزینه بالای انجام ICSI، میزان موفقیت آن چشم گیر نبوده و شکست در ایجاد حاملگی، استرس سنگینی به آن ها تحمیل می کند. هدف از این تحقیق کوششی برای استخراج بهترین پارامتر های پیشگویی کننده در میزان موفقیت ICSI و ارتقای دقت، حساسیت و ویژگی پیشگویی به کمک مدل ریاضی لوژستیک رگرسیون و شبکه عصبی مصنوعی می باشد.

اطلاعات لازم از پرونده 345 بیمار تحت درمان ICSI و در قالب 54 پارامتراسمی و عددی استخراج گردید. داده ها به صورت تصادفی به دو دسته تخمین و یا آموزش (276n=) و اعتبارسنجی یا آزمون (69 n=) تقسیم شدند. مدل های بکاربرده شده در این تحقیق باینری لوژستیک رگرسیون و شبکه عصبی با الگوی یادگیری لونبرگ مارکوارد بودند. نهایتا مدل ها بوسیله شاخص هایی مانند دقت، حساسیت و ویژگی ارزیابی گردیدند.

 بهترین خروجی بدست آمده با مدل باینری لوژستیک و با استفاده از 54 متغیر 97% دقت، 86% حساسیت و 94% ویژگی را بدست داد. بهترین خروجی برای شبکه عصبی با استفاده از الگوی آموزشی لونبرگ مارکوارد با مدل کاهش یافته شامل تعداد 29 متغیر، دقت 82%، حساسیت 92% و ویژگی 76% بدست داد.

 مدل باینری لوژستیک رگرسیون دارای قدرت زیادی در پیشگویی میزان موفقیت تزریق داخل سیتوپلاسمی تخمک هنگامی که خروجی به صورت باینری است می باشد.