|
Title
|
استفاده از یادگیری ماشین برای پیش بینی احتمال سقط جنین در زوج های ناباروری که از روش های کمک باروری استفاده می کنند
|
|
Type of Research
|
Thesis
|
|
Keywords
|
ناباروری، سقط جنین، یادگیری ماشین، داده کاوی، الگوریتم های یادگیری ماشین، پیش بینی
|
|
Abstract
|
بارداری دوره مهمی در زندگی زنان است، بـه طـوری کـه اکثـر زنـان پـس از ازدواج در انتظـار بـارداری و تولـد فرزنـد هستند. اما متاسفانه به دلایلی، برخی از آنان توانایی بـارداری را نداشته و نابارور می شوند [1]. عـدم بـارداری پـس از یک سـال مقاربـت جنسـی منظم بـدون پیشـگیری را ناباروری می گویند [2]. خوشبختانه، امروزه ایجاد تست های تشخیصی جدید و درمـان های متعدد، برای زوج ها جهت باروری امیدهای زیـادی را بـه وجود آورده است [3]. فن آوری های کمـک بـاروری افق تازه ای را بـه روی زوج ها گشوده اند. ایـن فـن آوری هـا شـامل لقـاح داخـل رحمی اسپرم، درمان هورمونی تخمک گذاری تحریک شده، جراحی لوله، لقاح آزمایشـگاهی و رحـم جـایگزین است. ولـی مسئله نگران کننده دیگری که بعد از باردار شدن زنان وجود دارد، سقط زودرس یا عدم توانایی در حفظ بارداری است. به طور تقریبی یک زوج از هر شش زوج نابارور از مشکل سقط زودرس یا عدم توانایی در نگهداری بارداری رنج می برند [4]. مسئله سقط در ده الی پانزده درصد بارداری های طبیعی دیده می شود که در بارداری های حاصل از روش های کمک باروری این میزان به صورت معناداری افزایش می یابد [5]. از آنجایی که در طول یک چرخه درمان کمک باوری زوجین از فشارهای روحی و روانی فراوانی رنج می برند، پیش بینی نتیجه درمان می تواند به کاهش اضطراب یک زوج نابارور بیانجامد. تا کنون عوامل متعددی در ارتباط با سقط زودرس در چرخه های طبیعی و همچنین چرخه های کمک باروری شناخته شده اند [4]. ترکیب این عوامل با دیگر خصوصیات بیمار و چرخه درمانی با استفاده از الگوریتم های یادگیری ماشین می تواند ابزار قدرتمندی برای پیش بینی احتمال سقط زودرس را در مراحل اولیه و پس از انتقال جنین در چرخه های کمک باروری ارائه دهد که خود منجر به واکنش صحیح پزشک و کادر درمان در جهت جلوگیری از سقط می شود.
|
|
Researchers
|
(Student)، Mahdi Hashemzadeh (Primary Advisor)، Nasim Tabibnejad (Advisor)
|