دوره 8، شماره 1 - ( 3-1400 )
جلد 8 شماره 1 صفحات 23-12 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Dehghandar M, Hassani Bafrani A, Dadkhah M, Qorbani M, Kelishadi R. Diagnosis of Obesity and Hypertension in Isfahani Students Using Artificial Neural Network. jhbmi 2021; 8 (1) :12-23
URL: http://jhbmi.ir/article-1-530-fa.html
URL: http://jhbmi.ir/article-1-530-fa.html
دهقاندار محمد، حسنی بافرانی عاطفه، دادخواه محمود، قربانی مصطفی، کلیشادی رویا. تشخیص چاقی و فشارخون بالا در دانش‌آموزان اصفهانی با استفاده از شبکه عصبی مصنوعی. مجله انفورماتیک سلامت و زیست پزشکی. 1400; 8 (1) :12-23
استادیار، گروه ریاضی کاربردی، دانشگاه پیام نور، تهران، ایران
چکیده: (2127 مشاهده)
مقدمه: چاقی و فشار خون بالا از مشکلات سلامتی جامعه می‌باشد هدف این مطالعه تشخیص چاقی و فشارخون بالا در دانش‌آموزان اصفهانی توسط شبکه عصبی مصنوعی است.
روش: تحقیق حاضر یک مطالعه تشخیصی و پیش‌بینی کننده است که با استفاده از اطلاعات 460 نفر از دانش‌آموزان 18-7 ساله اصفهانی شبکه عصبی که شامل ۱۱ متغیر ورودی (سن، جنسیت، وزن، قد، دور کمر، شاخص توده بدنی، نسبت دورکمر به قد، چاقی شکمی، فعالیت فیزیکی، ژنتیک و رفتارهای تغذیه‌ای ناسالم) و سه متغیر خروجی چاقی، فشارخون سیستولیک، فشارخون دیاستولیک، طراحی شد. از دو الگوریتم گرادیان مزدوج و لونبرگ-مارکوارت برای آموزش شبکه استفاده گردید.
نتایج: شبکه عصبی منتخب با الگوریتم لونبرگ در تشخیص چاقی و فشارخون دیاستولیک بالا دارای 16 نرون مخفی و در تشخیص فشارخون سیستولیک بالا دارای 14 نرون مخفی می‌باشد. میزان حساسیت، ویژگی و صحت شبکه در تشخیص چاقی به ترتیب 0/9591، 0/9975، 0/9934 به دست آمد و برای فشارخون سیستولیک بالا به ترتیب 0/8461، 0/9949، 0/9739 و برای فشارخون دیاستولیک بالا به ترتیب اعداد 0/7952، 0/9973، 0/9609 می‌باشد. ملاحظه شد که شبکه طراحی شده با دقت بالای 95 درصد چاقی را در کودکان و نوجوانان و با دقت بالای 84 و 79 درصد به ترتیب فشارخون سیستولیک و دیاستولیک بالا را تشخیص می‌دهد.
نتیجه‌گیری: طبق نتایج حاصل شده حدود 83 درصد از نوجوانان چاق دارای فشارخون بالا هستند؛ لذا ضرورت طراحی برنامه‌های آموزشی در زمینه تغییرات رفتاری از جمله فعالیت فیزیکی همراه با مداخله در برنامه‌ریزی تغذیه دانش‌آموزان احساس می‌شود.
روش: تحقیق حاضر یک مطالعه تشخیصی و پیش‌بینی کننده است که با استفاده از اطلاعات 460 نفر از دانش‌آموزان 18-7 ساله اصفهانی شبکه عصبی که شامل ۱۱ متغیر ورودی (سن، جنسیت، وزن، قد، دور کمر، شاخص توده بدنی، نسبت دورکمر به قد، چاقی شکمی، فعالیت فیزیکی، ژنتیک و رفتارهای تغذیه‌ای ناسالم) و سه متغیر خروجی چاقی، فشارخون سیستولیک، فشارخون دیاستولیک، طراحی شد. از دو الگوریتم گرادیان مزدوج و لونبرگ-مارکوارت برای آموزش شبکه استفاده گردید.
نتایج: شبکه عصبی منتخب با الگوریتم لونبرگ در تشخیص چاقی و فشارخون دیاستولیک بالا دارای 16 نرون مخفی و در تشخیص فشارخون سیستولیک بالا دارای 14 نرون مخفی می‌باشد. میزان حساسیت، ویژگی و صحت شبکه در تشخیص چاقی به ترتیب 0/9591، 0/9975، 0/9934 به دست آمد و برای فشارخون سیستولیک بالا به ترتیب 0/8461، 0/9949، 0/9739 و برای فشارخون دیاستولیک بالا به ترتیب اعداد 0/7952، 0/9973، 0/9609 می‌باشد. ملاحظه شد که شبکه طراحی شده با دقت بالای 95 درصد چاقی را در کودکان و نوجوانان و با دقت بالای 84 و 79 درصد به ترتیب فشارخون سیستولیک و دیاستولیک بالا را تشخیص می‌دهد.
نتیجه‌گیری: طبق نتایج حاصل شده حدود 83 درصد از نوجوانان چاق دارای فشارخون بالا هستند؛ لذا ضرورت طراحی برنامه‌های آموزشی در زمینه تغییرات رفتاری از جمله فعالیت فیزیکی همراه با مداخله در برنامه‌ریزی تغذیه دانش‌آموزان احساس می‌شود.
نوع مطالعه: پژوهشي اصیل |
موضوع مقاله:
هوش مصنوعی در حوزه سلامت
دریافت: 1399/7/17 | پذیرش: 1399/10/15
دریافت: 1399/7/17 | پذیرش: 1399/10/15
فایل صوتی [MP3 637 KB] (56 دریافت)
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
