پيش‌بيني تولد نوزادان با وزن كم در هر يك از بازه‌هاي دوران بارداري، با به كارگيري روش‌هاي هوش مصنوعي فازي و غير فازي، بدون استفاده از اندازه‌گيري‌هاي حاصل از سونوگرافي

مقدمه: وزن كم نوزاد در زمان تولد را مي‌توان مهم‌ترين عامل در بيماري و مرگ ‌ومير نوزادان دانست. نوزاداني كه در زمان تولد وزن كمي دارند، بيشتر در معرض بيماري‌ها قرار مي‌گيرند. به همين دليل، پيش‌بيني احتمال كم وزن بودن نوزاد پيش از تولد، از اهميت بالايي برخوردار است. روش‌ها: در اين مطالعه، يك سيستم تشخيصي به كمك رايانه ارايه شد كه به كمك آن مي‌توان گروه وزني نوزاد را در زمان تولد پيش‌بيني كرد و نوزادان را در دو گروه نوزاد با وزن كم و وزن طبيعي طبقه‌بندي نمود. همچنين، ارتباط ميان وزن كم نوزاد در زمان تولد و فاكتورهاي ثبت شده از مادران باردار در سه‌ماهه‌ي اول، دوم و سوم بارداري مورد بررسي قرارگرفت. مجموعه‌ي داده‌هاي مورد استفاده در اين مطالعه شامل اطلاعات گرفته ‌شده از 526 زن باردار با 95 متغير مختلف ثبت شده از آن‌ها است. براي طبقه‌بندي نمونه‌هاي اين مطالعه از روش‌هاي كلاس‌بندي نزديك‌ترين همسايه‌ها، شبكه‌هاي عصبي احتمالاتي و دو نوع كلاس‌بند عصبي- فازي انطباقي استفاده گرديده است. علاوه بر آن، انتخاب ويژگي به روش پي‌درپي نيز براي كاهش اندازه‌ي فضاي ويژگي‌ها مورد استفاده قرار گرفته است. يافته‌ها: صحت طبقه‌بندي با استفاده از كلاس‌بندهاي نزديك‌ترين همسايه‌ها، شبكه‌ي عصبي احتمالاتي و كلاس‌بند عصبي- فازي انطباقي با استفاده از دو الگوريتم گراديان مزدوج مدرج و شرايط زباني، با انتخاب ويژگي به ترتيب برابر با 93، 83، 80 و 83 درصدگزارش شده است. نتيجه‌گيري: از ميان كلاس‌بندهاي مورد استفاده، توان بهترين كلاس‌بند مورد استفاده در اين مطالعه با استفاده از روش‌هاي مناسب اعتبارسنجي، 96 درصد و خطاي نوع اول آن 0/1 بوده است. با توجه به اين نتايج، سيستم تشخيصي ارائه ‌شده از لحاظ باليني معتبر مي‌باشد.