fa تحلیل عوامل موثر بر نتایج روش انتقال داخل‌رحمی اسپرم با استفاده از خوشه‌بندی ناباروری Sterility پژوهشی اصيل Original Research <p style="text-align: justify"></p> <p dir="RTL" style="text-align: justify"><span style="font-family:iransharp;"><span style="font-size:12px;"><strong>اهداف: </strong>انتقال داخل‌رحمی اسپرم <span dir="LTR">(IUI)</span> یکی از روش‌هایی است که امکان باردارشدن به زوج‌های نابارور را می‌دهد. غیرقابل پیش‌بینی‌بودن این روش‌ها موجب شده است تا بررسی‌های زیادی روی عوامل موثر بر آنها انجام شود. در همین راستا، علم داده‌کاوی با استفاده از مفاهیم جدید هوش مصنوعی و علوم آماری به کمک علوم مختلف از جمله علم ناباروری آمده است تا به تفسیر نتایج و تحلیل‌های مناسب داده‌ها کمک کند و بتواند الگوها و دانش‌های نهفته در داده‌ها را استخراج کند<span dir="LTR">.</span> این مطالعه با هدف تحلیل عوامل موثر بر نتایج روش انتقال داخل‌رحمی اسپرم با استفاده از خوشه‌بندی انجام شد.<br> <strong>مواد</strong> <strong>و</strong> <strong>روش‌ها</strong>: با استفاده از تکنیک&nbsp;<span dir="LTR">K-means</span>&nbsp;(روش توصیفی در داده‌کاوی)، داده‌ها به چندین خوشه تقسیم شدند و از تکنیک&nbsp;دیویس- بولدین برای محاسبه تعداد بهینه خوشه‌ها استفاده شد. در این توصیف‌ها افرادی که به هم شبیه بودند در یک خوشه قرار گرفتند و میزان موفقیت در این خوشه‌ها اندازه‌گیری شد.<br> <strong>یافته‌ها: </strong>برخی از ویژگی‌های افراد مانند سن، توده حجمی بدن <span dir="LTR">(BMI)</span>، نوع ناباروری، علت ناباروری و غیره در میزان موفقیت روش <span dir="LTR">IUI</span> می‌تواند تاثیرگذار و تعیین‌کننده باشد.<br> <strong>نتیجه‌گیری:</strong> عواملی مانند سن، BMI، نوع ناباروری، علت ناباروری و غیره می‌توانند میزان موفقیت روش IUI را تعیین کنند.</span></span></p> <p dir="ltr" style="text-align: justify"><strong>Aims: </strong>Intra Uterine Insemination (IUI) is a medically-assisted reproduction technique (ART) enables infertile couples to achieve the successful pregnancy. Given the unpredictability of such techniques, many investigations have been done on the factors affecting the techniques. Data mining is one of the main tools that can help researchers to evaluate the factors. Data mining utilize the statistical methods along with the artificial intelligence (AI) to help different sciences including infertility science and research for interpreting the results and analyzes of data appropriately and extracting the hidden patterns and knowledge in the data. The objective of this study was to analyze the factors affecting IUI results by clustering.<br> <strong>Materials and Methods:</strong> The IUI data were clustered utilizing the K-means <strong><span dir="RTL">)</span></strong>a clustering method in data mining). Davise-Buldian index was used to calculate the best number of clusters. The similar individuals were included in the same cluster and the success rates in those clusters were also measured.<br> <strong>Findings:</strong> Some of the characteristics of individuals such as age, body mass index (BMI), type of infertility, the cause of infertility and etc. were effective factors on IUI success rate.<br> <strong>Conclusion:</strong> Factors such as age, BMI, type of infertility, the cause of infertility and etc. can determine the success rate of the IUI method.</p> ناباروری, داده‌کاوی, خوشه‌بندی, K-means, روش IUI Infertility, Insemination, Artificial, Clustering, Data Mining 105 112 http://saremjrm.com/browse.php?a_code=A-10-1-14&slc_lang=fa&sid=1 S. Alizadeh سمیه علیزاده 10031947532846003144 10031947532846003144 No Information Technology Department, Computer Engineering Faculty, K. N. Toosi University of Technology, Tehran, Iran گروه فناوری اطلاعات، دانشکده مهندسی کامپیوتر، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران M. Asghari محسن اصغری mohsen.asghari@gmail.com 10031947532846003145 10031947532846003145 Yes Information Technology Department, Computer Engineering Faculty, K. N. Toosi University of Technology, Tehran, Iran گروه فناوری اطلاعات، دانشکده مهندسی کامپیوتر، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران M.K. Hosseini محمدکاظم حسینی 10031947532846003146 10031947532846003146 No Information Technology Department, Computer Engineering Faculty, K. N. Toosi University of Technology, Tehran, Iran گروه فناوری اطلاعات، دانشکده مهندسی کامپیوتر، دانشگاه خواجه نصیرالدین طوسی، تهران، ایران