تشخیص بیماری پریودنتال با استفاده از الگوریتم لونبرگ- مارکواردت

سابقه و هدف: بیماری پریودنتال، یکی از شایع ترین بیماری های عفونی دهان است. تشخیص صحیح و زودهنگام آن می تواند موجب کاهش میزان عوارض ناخوشایند گردد. هدف از این مطالعه بررسی دقت و کارایی شبکه ی عصبی مصنوعی در تشخیص بیماری پریودنتال است.مواد و روش ها: این مطالعه ی تشخیصی، در بازه ی زمانی سال های 94 و 95 از بررسی پرونده ی پزشکی 230 مراجعه کننده به بخش پریودانتیکس دانشکده ی دندانپزشکی زاهدان انجام شد. 5 متغیر سن، جنسیت، شاخص پلاک دندانی (pi)، عمق پروبینگ (ppd) و شاخص از دست دادن چسبندگی (cal) در این افراد بررسی شد. در مدل شبکه ی عصبی مصنوعی پیش خور با الگوریتم پس انتشار خطا از تابع آموزشی لونبرگ مارکواردت استفاده شد. ارزش پیش بینی مثبت و ارزش پیش بینی منفی جهت ارزیابی شبکه در مرحله ی آزمون مورد استفاده قرار گرفت.یافته ها: نتایج نشان دادن که شبکه ی پس انتشار خطا با ساختار 52042 و الگوریتم لونبرگمارکواردت و استفاده از توابع انتقال یکسان در تمام لایه ها (تانژانت هایپربولیک سیگموئیدی) می تواند به عنوان تابع آموزشی کارا در تشخیص بیماری پریودنتال مورد استفاده قرار گیرد. مقادیر ارزش پیش بینی مثبت و منفی در مرحله ی آزمون به ترتیب 94/7 و 80 درصد به دست آمد. خروجی نرم افزار مقادیر مناسبی را برای زمان (5870/4 ثانیه) و رگرسیون در فاز آزمون،آزمایش و کل (7475/0 ، 9749/0 و 9254/0) به دست آورد.نتیجه گیری: به نظر می رسد استفاده از شبکه عصبی مصنوعی می تواند در تشخیص بیماری های پریودنتال در حداقل زمان کمک کننده باشد.