استادیار، گروه ریاضی کاربردی، دانشگاه پیام نور، تهران، ایران
چکیده: (2680 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.
نوع مطالعه:
پژوهشي اصیل |
موضوع مقاله:
هوش مصنوعی در حوزه سلامت دریافت: 1399/7/17 | پذیرش: 1399/10/15