مقایسه روش های ماشین بردار پشتیبان و شبکه عصبی مصنوعی در طبقه بندی وزن هنگام تولد بر اساس برخی فاکتورهای موثر مادر بر نوزاد

وزن هنگام تولد نقش مهمی در سلامت نوزاد، خانواده و جامعه دارد. نوزادان با وزن غیرطبیعی در معرض آسیبهای جسمی، عصبی و حتی مرگ می باشند.در این مطالعه طبقه بندی وزن هنگام تولد بر اساس برخی فاکتورهای موثر مادر بر نوزاد با استفاده از روش ماشین بردار پشتیبان و شبکه عصبی مصنوعی انجام گرفته است.پس از بررسی های انجام شده در پرونده های مادر و کودک موجود از سال 92 تا 95 در بین مراکز بهداشتی شهر اهواز، ده متغیر مهم مربوط به مادر که با وزن هنگام تولد نوزاد ارتباط داشتند انتخاب شدند. عملکرد روش ماشین بردار پشتیبان و شبکه عصبی با معیارهای دقت، حساسیت و ویژگی در طبقه بندی وزن کودکان به سه دسته ی کم وزنی،نرمال و بیش وزنی مورد ارزیایی قرار گرفت.از نظر معیارهای مختلف، روش ماشین بردار پشتیبان عملکرد بهتری نسبت به شبکه عصبی داشت (دقت طبقه بندی ماشین بردار پشتیبان و شبکه عصبی به ترتیب0.892 و0.889 (تجزیه و تحلیل داده‌ها با کمک نرم ‌افزار rstudio1,2,5 انجام شده است.