| dc.contributor.author | سلیمانی, فرین | fa_IR |
| dc.contributor.author | تیموری, رباب | fa_IR |
| dc.contributor.author | همتی, ساحل | fa_IR |
| dc.contributor.author | بیگلریان, اکبر | fa_IR |
| dc.date.accessioned | 1399-08-23T09:10:29Z | fa_IR |
| dc.date.accessioned | 2020-11-13T09:10:29Z | |
| dc.date.available | 1399-08-23T09:10:29Z | fa_IR |
| dc.date.available | 2020-11-13T09:10:29Z | |
| dc.date.issued | 2014-01-01 | en_US |
| dc.date.issued | 1392-10-11 | fa_IR |
| dc.identifier.citation | سلیمانی, فرین, تیموری, رباب, همتی, ساحل, بیگلریان, اکبر. (1392). شبکه عصبی مصنوعی برای ارزیابی خطر اختلالات حرکتی در نوزادان. مجله علوم پزشکی رازی, 20(115), 31-38. | fa_IR |
| dc.identifier.issn | 2228-7043 | |
| dc.identifier.issn | 2228-7051 | |
| dc.identifier.uri | http://rjms.iums.ac.ir/article-1-2923-fa.html | |
| dc.identifier.uri | https://iranjournals.nlai.ir/handle/123456789/595391 | |
| dc.description.abstract | زمینه و هدف:
پیش بینی اختلالات تکاملی بعدی در هنگام تولد بسیار با اهمیت است. این مطالعه با
هدف پیشبینی اختلالات حرکتی کودکان با استفاده از شبکه عصبی مصنوعی Artificial Neuronal Network -ANN)) در دوره نوزادی طرحریزی شده است. روش کار:
در این مطالعهی گذشتهنگر، 600 شیرخوار با معاینه عصبی طبیعی و 120 شیرخوار با
معاینه عصبی غیر طبیعی بررسی شدند. برای انجام تحلیل، دادهها به صورت تصادفی به
دو قسمت آموزشی و آزمایشی تقسیم شدند. فرآیند یادگیری با مجموعه اول (360 مورد) انجام
شد. پس از آموزش شبکه، مرحله آزمایش شبکه با مجموعه دادههای آزمایشی (360 مورد
دادههای باقیمانده) انجام پذیرفت. تحلیل
دادهها با نرمافزارR نسخه 1/14 انجام شد. یافته‌ها: برای
مقایسه صحت کلاس بندی دو مدل مبتنی بر مجموعه آزمایشی در پیشگویی اختلال حرکتی از
جدول صحت کلاس بندی استفاده گردید. شاخصهای هماهنگی نشان داد که شبکه عصبی مصنوعی در مقایسه با مدل رگرسیون
لجستیک دارای دقت پیشگویی بالاتری است و مجموع پیشگویی درست با/بدون اختلال حرکتی
در شبکه عصبی مصنوعی 6/78 درصد در مقابل 9/73 درصد می باشد. سطح زیر منحنی مشخصه
عملکرد در مورد شبکه عصبی مصنوعی 71/0 و در مدل رگرسیون لجستیک 68/0 به دست آمد.
در مجموع، ویژگی و حساسیت شبکه عصبی مصنوعی در مقایسه با مدل رگرسیون به ترتیب 0/88
درصد در مقابل 0/85 درصد و 7/31 درصد در برابر 3/18 درصد به دست آمد. نتیجه‌گیری: توانایی
شبکه عصبی مصنوعی و مدل رگرسیون لجستیک در پیش بینی کودکان بدون اختلال حرکتی
مشابه بوده ولی توانایی شبکه عصبی مصنوعی در پیش بینی اختلال حرکتی بیشتر از مدل
رگرسیونی است. | fa_IR |
| dc.format.extent | 292 | |
| dc.format.mimetype | application/pdf | |
| dc.language | فارسی | |
| dc.language.iso | fa_IR | |
| dc.publisher | دانشگاه علوم پزشکی ایران | fa_IR |
| dc.relation.ispartof | مجله علوم پزشکی رازی | fa_IR |
| dc.relation.ispartof | Razi Journal of Medical Sciences | en_US |
| dc.subject | تکامـل انسان | fa_IR |
| dc.subject | شیر خوار | fa_IR |
| dc.subject | شبکه عصبی مصنوعی | fa_IR |
| dc.subject | رگرسیون لجستیک | fa_IR |
| dc.subject | اختلال حرکتی | fa_IR |
| dc.subject | نوزادان | fa_IR |
| dc.title | شبکه عصبی مصنوعی برای ارزیابی خطر اختلالات حرکتی در نوزادان | fa_IR |
| dc.type | Text | en_US |
| dc.type | پژوهشي | fa_IR |
| dc.contributor.department | دانشگاه علوم بهزیستی و توانبخشی | fa_IR |
| dc.contributor.department | دانشگاه علوم بهزیستی و توانبخشی | fa_IR |
| dc.contributor.department | دانشگاه علوم بهزیستی و توانبخشی | fa_IR |
| dc.contributor.department | دانشگاه علوم بهزیستی و توانبخشی | fa_IR |
| dc.citation.volume | 20 | |
| dc.citation.issue | 115 | |
| dc.citation.spage | 31 | |
| dc.citation.epage | 38 | |
