ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه یک روش جدید برای تشخیص اولیه سرطان پروستات با بکارگیری الگوریتم های شبکه های عصبی مصنوعی

سال انتشار: 1399
کد COI مقاله: ITCT11_005
زبان مقاله: فارسیمشاهد این مقاله: 34
فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 15 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه یک روش جدید برای تشخیص اولیه سرطان پروستات با بکارگیری الگوریتم های شبکه های عصبی مصنوعی

وهاب امینی آذر - استادیار گروه مهندسی برق و کامپیوتر دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران
رسول فرحی - مربی گروه مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد مهاباد، مهاباد، ایران

چکیده مقاله:

بیماری پروستات بیماری است که تشخیص آن به صورت پزشکی بسیار مشکل و هزینه بر است از آنجا که بیماری پروستات یک بیماری شایع در جوامع بشری است، هر روز محققان در پی این هستند تا یک راه حل برای تشخیص زود هنگام این بیماری بیابند. در تشخیص سرطان پروستات از روش های مختلفی استفاده شده است از جمله این روش ها می توان به آنتی ژن پروستات اشاره نمود. از آنجا که اغلب این بیماری را توسط نشانه های آزمایش آنتی ژن اختصاصی پروستات را در خون شناسایی می کنند. این روش کاربرد زیادی در تشخیص دقیق این بیماری دارد. تحقیقات قبلی بر روی بیماران نشان داده که ۹۰% از بیماران مبتلا به بیماری سرطان پروستات یک اختلال آنتی ژن اختصاصی پروستات در آن ها مشاهده شده است. بنابراین اندازه گیری این علایم آنتی ژن اختصاصی پروستات و شناسایی آن ها در تشخیص بیماری نقش مهمی ایفا می کنند. به این جهت از داده های بیماران مبتلا به سرطان پروستات در انجام این تحقیق استفاده شده است. به دلیل تعداد زیاد بیماران و آزمایش های متعدد هر بیمار، نیاز به یک ابزار خودکار برای کاوش در میان بیماران سرطان پروستات احساس می شود از طرفی از آنجا که تکنیک های شبکه های عصبی مصنوعی برای پیش بینی بیماری های مختلف در زمینه پزشکی نقش مهمی ایفا می کنند، در این تحقیق از تکنیک های شبکه های عصبی استفاده شده است. نتایج شبیه سازی و تحلیل داده ها در نرم افزار MATLAB نشان دهنده اینست که میزان صحت طبقه بندی شبکه عصبی پرسپترون چندلایه با بیشترین مقدار صحت ۹۹/۹۹% را نسبت به روش های پیشین بدست آورده است.

کلیدواژه ها:

تشخیص پروستات، سرطان ، آنتی ژن اختصاصی پروستات، شبکه های عصبی مصنوعی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/1197074/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
امینی آذر، وهاب و فرحی، رسول،1399،ارائه یک روش جدید برای تشخیص اولیه سرطان پروستات با بکارگیری الگوریتم های شبکه های عصبی مصنوعی،یازدهمین کنفرانس بین المللی فناوری اطلاعات،کامپیوتر و مخابرات،،،https://civilica.com/doc/1197074

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1399، امینی آذر، وهاب؛ رسول فرحی)
برای بار دوم به بعد: (1399، امینی آذر؛ فرحی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 1,985
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی