[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
صفحه اصلی::
اطلاعات نشریه::
آرشیو مجله و مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
تماس با ما::
تسهیلات پایگاه::
بانک‌ها و نمایه‌ها::
ثبت کد ارکید::
::
(CC-BY 4.0)

AWT IMAGE

Journal of Research in Dental Sciences is licensed under a "Creative Commons Attribution 4.0 International (CC-BY 4.0)"

..
مجله تحقیق در علوم دندانپزشکی دارای رتبه علمی-پژوهشی از وزارت بهداشت بوده و در پایگاه chemical abstract به عنوان نمایه سطح دو جهت ارتقای اعضای هیات علمی علوم پزشکی نمایه میگردد.
..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
مجله تحقیق در علوم دندانپزشکی در آخرین گزارش پایگاه ISC دارای میانگین ضریب تاثیر0.223 در رشته دندانپزشکی می باشد.
..
:: دوره 14، شماره 4 - ( مجله تحقیق در علوم دندانپزشکی زمستان 1396 ) ::
جلد 14 شماره 4 صفحات 219-213 برگشت به فهرست نسخه ها
تشخیص بیماری پریودنتال با استفاده از الگوریتم لونبرگ- مارکواردت
فرزاد فیروزی جهانتیغ* ، سمین اربابی ، سمیه انصاری مقدم
دانشگاه سیستان و بلوچستان ، Firouzi@eng.usb.ac.ir
چکیده:   (6757 مشاهده)
خلاصه:
سابقه و هدف: بیماری پریودنتال، یکی از شایع­ترین بیماری­های عفونی دهان است. تشخیص صحیح و زودهنگام آن می­تواند موجب کاهش میزان عوارض ناخوشایند گردد. هدف از این مطالعه بررسی دقت و کارایی شبکه­ی عصبی مصنوعی در تشخیص بیماری پریودنتال است.
مواد و روش­ها: این مطالعه­ی تشخیصی، در بازه­ی زمانی سال­های 94 و 95 از بررسی پرونده­ی پزشکی 230 مراجعه کننده به بخش پریودانتیکس دانشکده­ی دندانپزشکی زاهدان انجام شد. 5 متغیر سن، جنسیت، شاخص پلاک دندانی )PI)، عمق پروبینگ (PPD(و شاخص از دست دادن چسبندگی  (CAL) در این افراد بررسی شد. در مدل شبکه­ی عصبی مصنوعی پیش­خور با الگوریتم پس انتشار خطا از تابع آموزشی لونبرگ -مارکواردت استفاده شد. ارزش پیش­بینی مثبت و ارزش پیش­­بینی منفی جهت ارزیابی شبکه در مرحله­ی آزمون مورد استفاده قرار گرفت.
یافته­ها: نتایج نشان دادن که شبکه­ی پس انتشار خطا با  ساختار 5-20-4-2 و الگوریتم لونبرگ-مارکواردت و استفاده از توابع انتقال یکسان در تمام لایه­ها (تانژانت هایپربولیک سیگموئیدی) می­تواند به عنوان تابع آموزشی کارا در تشخیص بیماری پریودنتال مورد استفاده قرار گیرد. مقادیر ارزش پیش­بینی مثبت و منفی در مرحله ی آزمون به ترتیب  94/7 و 80 درصد به دست آمد. خروجی نرم افزار مقادیر مناسبی را برای زمان (5870/ 4 ثانیه) و رگرسیون در فاز آزمون،آزمایش و کل (7475/. ، 9749/ 0 و 9254/ 0) به دست آورد.
نتیجه­گیری: به نظر می­رسد استفاده از شبکه عصبی مصنوعی می­تواند در تشخیص بیماری­های پریودنتال در حداقل زمان کمک کننده باشد.
واژه‌های کلیدی: بیماری پریودنتال، تشخیص، مدل شبکه‌ی عصبی
متن کامل [PDF 326 kb]   (2024 دریافت)    
نوع مطالعه: مروری | موضوع مقاله: پریو
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Firouzi Jahantigh F, Arbabi S, Ansari-Moghadam S. Diagnosis of periodontal disease with Levenberg-Marquardt algorithm. J Res Dent Sci 2018; 14 (4) :213-219
URL: http://jrds.ir/article-1-863-fa.html

فیروزی جهانتیغ فرزاد، اربابی سمین، انصاری مقدم سمیه. تشخیص بیماری پریودنتال با استفاده از الگوریتم لونبرگ- مارکواردت. مجله تحقیق در علوم دندانپزشکی. 1396; 14 (4) :213-219

URL: http://jrds.ir/article-1-863-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
دوره 14، شماره 4 - ( مجله تحقیق در علوم دندانپزشکی زمستان 1396 ) برگشت به فهرست نسخه ها
مجله تحقیق در علوم دندانپزشکی Res Dent Sci
Persian site map - English site map - Created in 0.06 seconds with 40 queries by YEKTAWEB 4645