Kaedah artificial intelligence (AI) seperti rangkaian neural telah diaplikasikan secara meluasnya dalam pelbagai bidang terutamanya dalam bidang perubatan. Mengukur ketinggian bagi pesakit di hospital dan pesakit yang terbaring sangat diperlukan kerana ia penting untuk tujuan klinikal seperti mengira indeks jisim tubuh (JMI) dan menilai status gizi. Tetapi, ia menjadi masalah kepada mereka yang tidak mampu untuk berdiri tegak. Jadi, mengukur panjang separa depa merupakan cara alternatif untuk mengukur tinggi badan bagi orang tua. Tujuan projek ini adalah untuk meramal ketinggian menggunakan rangkaian berbilang lapisan (MLP). Kumpulan data yang digunakan untuk projek ini diperoleh dari 360 pesakit yang uzur, dengan 180 pesakit lelaki dan 180 pesakit lagi adalah perempuan. Algoritma Levenberg-Marquardt (LM) dan Bayesian Regularization Back propagation (BR) digunakan dalam projek ini. Keputusan atau prestasi dari kedua-dua rangkaian adalah dibandingkan berdasarkan ketepatan dan mean square error (MSE). Jumlah hidden neuron yang digunakan juga dikenalpasti. Keputusan kajian menunjukkan BR mempunyai prestasi yang lebih baik kerana ianya boleh mencapai ketepatan yang lebih tinggi berbanding algoritma LM dan ia mempunyai nilai MSE yang rendah.
_____________________________________________________________________________________
Artificial intelligence (AI) method such as artificial neural network (ANN) is widely been applied in a huge number of various applications, especially in medical approaches. The measurement of height for hospitalized and bedridden patients is very needed as it is important for clinical purposes such as for calculating body mass index (BMI) and evaluating the nutritional status. But, it becomes problem for those who cannot stand straight. So, demi-span measurement becomes an alternative way to measures stature in elderly people. This project aims to predict standing height using multilayer perceptron (MLP) network. The data set used for this project was collected from 360 elderly patients, with 180 patients are males and another 180 patients are females. Levenberg-Marquardt (LM) and Bayesian Regularization Back propagation (BR) algorithms are used in this project. The result or performance of both networks was compared according to accuracy and mean square error (MSE). The number of hidden neuron used was also investigated. The results suggested that BR has better performance as it could achieve higher accuracy than LM algorithm and it has low MSE value.
calculating body mass index (BMI) and evaluating the nutritional status; multilayer perceptron (MLP) network; Levenberg-Marquardt (LM) and Bayesian Regularization Back propagation (BR) algorithms
Prediction of standing height for hospitalized elderly using multilayer perceptron network_Nik Suraya Binti Nik Sulaiman_E3_2010_875003609_00003084300_NI