Prediction of pregnancies in ICSI cycles with artificial neural networks
İbrahim Esinler1, Hakan Yaralı21Başkent Üniversitesi Kadın Hastalıkları Ve Doğum Anabilim Dalı, Üremeye Yardımcı Teknikler Ünitesi, Ankara, Turkey2Hacettepe Üniversitesi Kadın Hastalıkları Ve Doğum Anabilim Dalı, Üreme Sağlığı Ünitesi, Ankara, Turkey
OBJECTIVE: To determine the success rate of Artificial Neural Network (ANN) in prediction of clinical pregnancies in intracytoplasmic sperm injection (ICSI) cycles Design: Retrospective clinical trial. Setting: Hacettepe University Faculty of Medicine, Department of Obstetrics and Gynecology, IVF Clinic Patients: Five hundred ICSI cycles reached to embryo transfer (ET) Interventions: Artificial Neural Network (ANN) was used to predict the clinical pregnancies in ICSI cycles. Main outcome measures: Success rate of ANN in prediction of clinical pregnancies RESULTS: Overall, the ANN with best performance predicted correctly the outcomes of %70 of ICSI cycles. It predicted correctly
the 53% of all positive clinical pregnancies and 81% of all cycles without clinical pregnancy. CONCLUSIONS: ANN may be use to predict the pregnancy outcome of ICSI cycles. More studies with larger sample size should be carried out to support our study which is first in our country and second in the world.
ARTİFİSİYEL NEURAL NETWORK (YAPAY ZEKÂ) İLE ICSI UYGULAMALARINDA GEBELİKLERİN TAHMİN EDİLMESİ
İbrahim Esinler1, Hakan Yaralı21Başkent Üniversitesi Kadın Hastalıkları Ve Doğum Anabilim Dalı, Üremeye Yardımcı Teknikler Ünitesi, Ankara, Türkiye2Hacettepe Üniversitesi Kadın Hastalıkları Ve Doğum Anabilim Dalı, Üreme Sağlığı Ünitesi, Ankara, Türkiye
Objektif: Bu çalışmanın amacı Artifisiyel Neural Network (yapay zekâ, ANN) algoritmalarının intrasitoplazmik sperm enjeksiyonu (ICSI) uygulamalarında klinik gebeliği tahmin etme oranını belirlemektir. Planlama: Retrospektif klinik çalışma.
Ortam: Hacettepe Üniversitesi Kadın Hastalıkları ve Doğum Anabilim Dalı, Üremeye Yardımcı Teknikler Merkezi. Hastalar: ICSI uygulanmış ve embriyo transferine ulaşmış 500 siklus. Girişim: Artifisiyel Neural Network (yapay zekâ, ANN) kullanılarak klinik gebeliklerin tahmin edilmesi. Değerlendirme parametreleri: Artifisiyel Neural Network (yapay zekâ, ANN) algoritmasının klinik gebeliği doğru tahmin etme oranı.
SONUÇ: En iyi performansa sahip olan ANN algoritması ile pozitif klinik gebelikler 53% oranında, klinik gebeliği negatif olanlar ise 81% oranında doğru olarak tespit edilmişlerdir. Genel olarak olguların %70’inde ANN algoritması doğru tahminde bulunmuştur. YORUM: Artifisiyel Neural Network IVF/ICSI uygulamalarında klinik gebelikleri tahmine etmede etkili, objektif bir yaklaşım olarak kullanılabilir. Ülkemizdeki tek, dünyadaki 2. çalışma olan bu çalışmayı desteklemek için daha fazla olgu sayılı çalışmalara ihtiyaç vardır.
Corresponding Author: İbrahim Esinler, Türkiye
| TOOLS |
 Full Text PDF Print Download citation RIS EndNote BibTex Medlars Procite Reference Manager Share with email Share Send email to author
Similar articles Google Scholar |