روش های پارامتریک و الگوریتم های ماشین بردار پشتیبان، پرسپترون چندلایه و درخت تصمیم در تشخیص بیماری
سال انتشار: 1400
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 385
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
STCONF04_269
تاریخ نمایه سازی: 26 مهر 1400
چکیده مقاله:
امروزه کاربرد هوش مصنوعی درزمینه سیستم های سلامت گسترش زیادی داشته است. یادگیری ماشین به عنوان یکی از زیرشاخه های هوش مصنوعی، کاربردهای فراوانی در زمینه تشخیص پزشکی دارد. آزمایش آسپیراسیون سوزنی روشی کم هزینه، آسان و سریع برای تشخیص دقیق و زود هنگام توده های سرطانی است. با استفاده از خصوصیات استخراج شده از آزمایش آسپیراسیون سوزنی و با کمک تکنیک های یادگیری ماشین می توان سیستمی کارآمد را برای تشخیص طراحی نمود که با دقت بالایی خوش خیم یا بدخیم بودن تومورها را تشخیص دهند. هدف این پژوهش ارائهمدلی هوشمند برپایه ی تکنیک های یادگیری ماشین جهت تشخیص بیماری است. نتایج این مطالعه نشان داد که با روش انتخاب ویژگی پیشرو و تکنیک های پارامتریک یادگیری ماشین، علاوه بردستیابی به عملکرد بالا در تشخیص ، عوامل و ویژگی های اصلی در تشخیص نیز شناسایی می شوند. به نظر می رسد این ویژگی ها یکی از مهم ترین عوامل برای کمک به تشخیص هستند. تکنیک های یادگیری ماشین می توانند در تشخیص بیماری مزمن اثرگذار باشند. به کارگیری این تکنیک ها می تواند امور مربوط به تشخیص و درمان این بیماران را تسهیل کند و احتمال بهبودی افراد را بالا برد. همچنین نتایج نشان داد که مدل ارائه شده بر پایه ی تکنیک های یادگیری ماشین، در مقایسه با سایر تکنیک ها دقیقتر، ساده تر و کم هزینه تر است.
کلیدواژه ها:
نویسندگان
زهرا سلگی
دانشجوی مهندسی کامپیوتر، دانشگاه فنی وحرفه ای ، دانشکده فنی نهاوند حاج حشمت شهبازی
مجتبی جهانیان
مدرس، دانشگاه فنی وحرفه ای ، دانشکده فنی نهاوند حاج حشمت شهبازی
احمد سلگی
دانشجوی مهندسی کامپیوتر، موسسه آموزش عالی امید نهاوند گروه کامپیوتر