تشخیص آپاندیسیت حاد در کودکان با استفاده از شبکه های عصبی مصنوعی

Abstract

زمینه و هدف: آپاندیسیت حاد، یکی از شایع‌ترین علت جراحی اورژانس، به‌ویژه در کودکان است. تشخیص صحیح و به‌موقع آن می‌تواند موجب کاهش میزان عوارض ناخوشایند گردد. باوجود پیشرفت روش‌های تشخیصی هنوز درصد چشمگیری از بیماران با تشخیص اولیه آپاندیسیت حاد، دارای لاپاراتومی منفی هستند. هدف از این پژوهش ارزیابی نقش شبکه‌های عصبی مصنوعی در تشخیص آپاندیسیت حاد در کودکان با شکم حاد بود.

روش کار: در این پژوهش از داده‌های 206 بیمار با شکم حاد استفاده گردید که از فروردین 1384 لغایت اسفند 1393 به بیمارستان کودکان علی‌اصغر(ع) شهر تهران مراجعه کرده بودند. در مدل شبکه عصبی مصنوعی پیش‌خور با الگوریتم پس انتشار خطا از دو تابع آموزشی لونبرگ مارکواردت و شیب توأم مقیاس شده استفاده شد.

یافته‌ها: با توجه به نتایج به‌دست‌آمده، شبکه پس انتشار پیش‌خور با توپولوژی 2-10-12 و الگوریتم لونبرگ مارکواردت و راهبرد توابع یکسان برای تمام لایه‌ها (تانژانت هایپربولیک سیگموئیدی) به‌عنوان بهترین تابع آموزشی برای تشخیص آپاندیسیت حاد در کودکان انتخاب گردید. مقدار حساسیت، ویژگی و صحت شبکه عصبی مصنوعی 100 درصد بود. این نتایج حاکی از پتانسیل بالای شبکه‌های عصبی مصنوعی به‌عنوان ابزاری قوی در تشخیص آپاندیسیت حاد در کودکان بود.

نتیجه‌گیری: در این پژوهش از شبکه‌های عصبی مصنوعی باهدف یاری‌رساندن به متخصصین پزشکی در تشخیص بیماری آپاندیسیت حاد استفاده گردید. شبکه‌های عصبی مصنوعی می‌تواند یک ابزار مؤثر برای تشخیص دقیق آپاندیسیت حاد باشند و این سیستم‌ها ممکن است آپاندکتومی های غیرضروری، هزینه‌ها و زمان فرایندهای تشخیصی را کاهش دهد.