fa تشخیص ناباروری مردان از روی عوامل محیطی و سبک زندگی با استفاده از الگوریتم‌های هوش مصنوعی پژوهشی Original <p dir="RTL" style="font-style: normal; text-align: center;"><strong><span style="color:black;"><span style="font-family:b mitra;"><span style="font-size:10.0pt;">دریافت: 94/3/11 پذیرش: 95/2/14</span></span></span></strong></p> <p dir="RTL" style="font-style: normal; text-align: justify;"></p> <p dir="RTL" style="font-style: normal; text-align: justify;"><span style="color:#0000FF;"><strong><span style="font-family: b roya;"><span style="font-size: 13pt;">مقدمه:</span></span></strong></span> <span style="font-family:b lotus;"><span style="font-size:12.0pt;">مشکل ناباروری به خصوص در میان مردان یکی از مسایلی است که در دهه‌های اخیر به آن توجه خاصی شده است. ناباروری در مردان می‌تواند از عوامل مختلفی ناشی شود. تحقیقات گسترده‌ای در خصوص تأثیر عوامل محیطی و سبک زندگی افراد بر روی کیفیت اسپرم مردان و ناباروری آن‌ها انجام شده است. در این بین روش‌های هوش مصنوعی به عنوان یک سیستم تصمیم‌یار هوشمند می‌توانند کمک شایانی در تشخیص ناباروری مردان نمایند. </span></span></p> <p dir="RTL" style="font-style: normal; text-align: justify;"><span style="color:#0000FF;"><strong><span style="font-family: b roya;"><span style="font-size: 13pt;">روش کـار:</span></span></strong></span><span style="font-family:b lotus;"><span style="font-size:12.0pt;"> در این پژوهش با استفاده از الگوریتم‌های داده‌کاوی در هوش مصنوعی سعی شده است تا عوامل تأثیرگذار بر روی کیفیت اسپرم مردان، و در نتیجه تشخیص ناباروری آن‌ها بررسی و بهترین روش به این منظور معرفی گردد. داده‌های مورد استفاده مربوط به 100 داوطلب از دانشجویان دانشگاه آلیکانته بوده است. بعد از متوازن کردن داده‌ها، روش‌های مختلف داده‌کاوی مثل شبکه‌ی عصبی با هدف یافتن بهترین طبقه‌بند مورد بررسی قرار گرفته است. </span></span></p> <p dir="RTL" style="font-style: normal; text-align: justify;"><span style="color:#0000FF;"><strong><span style="font-family: b roya;"><span style="font-size: 13pt;">یافته‌ها:</span></span></strong></span><span style="font-family:b lotus;"><span style="font-size:12.0pt;"><span style="color:#0000FF;"> </span>روش پیشنهادی با الگوریتم‌های مختلف داده‌کاوی مورد بررسی قرار گرفت تا بتوان تحلیل بهتری از کارایی سایر الگوریتم‌ها به دست آورد. در بین طبقه‌بندهای مورد بررسی، ماشین بردار پشتیبان با استفاده از اعتبارسنجی منقطع 10 لایه، توانست بهترین کارایی را با دقت 15/95% کسب کند</span></span><span dir="LTR">.</span><span style="font-family:b lotus;"><span style="font-size:12.0pt;"> روش پیشنهادی، دارای کارایی رقابتی نسبت به سایر روش‌ها می‌باشد. </span></span></p> <p dir="RTL" style="font-style: normal; text-align: justify;"><strong><span style="color:#0000FF;"><span style="font-family: b roya;"><span style="font-size: 13pt;">نتیجه‌گیری:</span></span></span></strong><span style="font-family:b lotus;"><span style="font-size:12.0pt;"> نتایج نشان داد که روش پیشنهادی می‌تواند با استفاده از عوامل محیطی و سبک زندگی ناباروری مردان را پیش‌بینی نماید. </span></span></p> <p dir="RTL" style="font-style: normal; text-align: justify;"></p> <p style="font-style: normal; text-align: justify;"></p> <p dir="LTR" style="text-align: center;">Asilian Bidgoli A (PhD), Ebrahimpour-Komleh H (PhD), Mousavirad SJ<a href="#_ftn1" name="_ftnref1" title="">*</a> (PhD)</p> <p dir="LTR" style="text-align: center;"></p> <p dir="LTR" style="text-align: center;">Department of Computer Engineering, University of Kashan, Kashan, Iran</p> <p dir="LTR" style="text-align: center;"></p> <p dir="LTR" style="text-align: center;">Original Article</p> <p dir="LTR" style="text-align: center;">Received: 23 Jan 2016, Accepted: 3 May 2016</p> <p dir="LTR" style="text-align: justify;"></p> <p dir="LTR" style="text-align: justify;"></p> <p dir="LTR" style="text-align: justify;"><span style="color:#FF0000;"><strong>Abstract</strong></span></p> <p dir="LTR" style="text-align: justify;"></p> <p dir="LTR" style="text-align: justify;"><strong><span style="color:#0000FF;">Introduction: </span></strong>Infertility is one of the most important problems, especially among males which has received special attention recently. Male infertility can be affected by different factors. There is now a large body of evidence to support the effects of life styles and environmental factors on semen quality. Data mining methods in artificial intelligence, as a decision support system, could be helpful in medical diagnosis of male infertility.</p> <p dir="LTR" style="text-align: justify;"><span style="color:#0000FF;"><strong>Methods: </strong></span>The influencing factors of seminal quality, and as a result ability to detect the infertility in males was assessed in this study using data mining algorithms in artificial intelligence. The dataset of 100 volunteers among students of University of Alicante were used. After data balancing different classifiers such as neural network were used to find the best classifier to predict the male infertility.</p> <p dir="LTR" style="text-align: justify;"></p> <p dir="LTR" style="text-align: justify;"><strong><span style="color:#0000FF;">Results: </span></strong>The proposed algorithm is evaluated with different data mining algorithms to find a better analytical application of the algorithm. Support vector machine had the best accuracy (%95.15) to predict proposed infertility in male compared to the other classifiers. The proposed algorithm has a competitive accuracy compared to other algorithms.</p> <p dir="LTR" style="text-align: justify;"><strong><span style="color:#0000FF;">Conclusion:</span></strong> The proposed algorithm is able to predict male infertility from lifestyle and environmental factors using data mining algorithms.</p> <p dir="LTR" style="margin-left: 3.95pt; text-align: justify;"></p> <p dir="LTR" style="margin-left: 3.95pt; text-align: justify;"><strong><span style="color:#0000FF;">Key words:</span></strong> Male Infertility, Artificial intelligence, Data mining algorithms, Support vector machine, Support decision system</p> <p dir="LTR" style="text-align: justify;"></p> <table align="left" cellpadding="0" cellspacing="0"> <tbody> <tr> <td height="9" style="text-align: justify;"></td> </tr> <tr> <td style="text-align: justify;"></td> <td style="text-align: justify;"></td> </tr> </tbody> </table> <p style="text-align: justify;"></p> <p style="text-align: justify;"></p> <p style="text-align: justify;"></p> <p dir="LTR" style="text-align: justify;">Please cite this article as follows:</p> <p dir="LTR" style="text-align: justify;">Asilian Bidgoli A, Ebrahimpour-Komleh H, Mousavirad SJ. Male Infertility Prediction from Environmental Factors and Lifestyle Using Artificial Intelligence Algorithms. Hakim Health Sys Res 2016; 19(2): 72- 80.</p> <p dir="LTR" style="margin-left: 3.95pt; text-align: justify;"></p> <p style="text-align: justify;"></p> <p dir="LTR" style="text-align: justify;"></p> <div> <p style="text-align: justify;"></p> <hr align="right" size="1" width="33%" > <div id="ftn1"> <p dir="LTR" style="text-align: justify;"><a href="#_ftnref1" name="_ftn1" title="">*</a>Corresponding Author: Department of Computer Engineering, University of Kashan, Kashan, Iran.<br> Tel: +98- 935- 4626334, E-mail: <a>jalalmoosavirad@gmail.com</a></p> </div> </div> ناباروری مردان, هوش مصنوعی, الگوریتم‌های داده‌کاوی, ماشین‌بردار پشتیبان, سیستم تصمیم‌یار Male Infertility, Artificial intelligence, Data mining algorithms, Support vector machine, Support decision system 72 80 http://hakim.tums.ac.ir/browse.php?a_code=A-10-1-609&slc_lang=fa&sid=1 Asilian Bidgoli A اعظم اصیلیان‌بیدگلی No Asilian Bidgoli A حسین ابراهیم‌پور کومله No Mousavirad SJ سیدجلال‌الدین موسوی‌راد jalalmoosavirad@gmail.com Yes