پیش‌بینی تولد نوزادان با وزن کم در هر یک از بازه‌های دوران بارداری، با به کارگیری روش‌های هوش مصنوعی فازی و غیر فازی، بدون استفاده از اندازه‌گیری‌های حاصل از سونوگرافی

مقدمه: وزن کم نوزاد در زمان تولد را می‌توان مهم‌ترین عامل در بیماری و مرگ ‌ومیر نوزادان دانست. نوزادانی که در زمان تولد وزن کمی دارند، بیشتر در معرض بیماری‌ها قرار می‌گیرند. به همین دلیل، پیش‌بینی احتمال کم وزن بودن نوزاد پیش از تولد، از اهمیت بالایی برخوردار است. روش‌ها: در این مطالعه، یک سیستم تشخیصی به کمک رایانه ارایه شد که به کمک آن می‌توان گروه وزنی نوزاد را در زمان تولد پیش‌بینی کرد و نوزادان را در دو گروه نوزاد با وزن کم و وزن طبیعی طبقه‌بندی نمود. همچنین، ارتباط میان وزن کم نوزاد در زمان تولد و فاکتورهای ثبت شده از مادران باردار در سه‌ماهه‌ی اول، دوم و سوم بارداری مورد بررسی قرارگرفت. مجموعه‌ی داده‌های مورد استفاده در این مطالعه شامل اطلاعات گرفته ‌شده از 526 زن باردار با 95 متغیر مختلف ثبت شده از آن‌ها است. برای طبقه‌بندی نمونه‌های این مطالعه از روش‌های کلاس‌بندی نزدیک‌ترین همسایه‌ها، شبکه‌های عصبی احتمالاتی و دو نوع کلاس‌بند عصبی- فازی انطباقی استفاده گردیده است. علاوه بر آن، انتخاب ویژگی به روش پی‌درپی نیز برای کاهش اندازه‌ی فضای ویژگی‌ها مورد استفاده قرار گرفته است. یافته‌ها: صحت طبقه‌بندی با استفاده از کلاس‌بندهای نزدیک‌ترین همسایه‌ها، شبکه‌ی عصبی احتمالاتی و کلاس‌بند عصبی- فازی انطباقی با استفاده از دو الگوریتم گرادیان مزدوج مدرج و شرایط زبانی، با انتخاب ویژگی به ترتیب برابر با 93، 83، 80 و 83 درصدگزارش شده است. نتیجه‌گیری: از میان کلاس‌بندهای مورد استفاده، توان بهترین کلاس‌بند مورد استفاده در این مطالعه با استفاده از روش‌های مناسب اعتبارسنجی، 96 درصد و خطای نوع اول آن 0/1 بوده است. با توجه به این نتایج، سیستم تشخیصی ارائه ‌شده از لحاظ بالینی معتبر می‌باشد.