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 پسانتشار 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 پسانتشار 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.
