پیش بینی و تشخیص سرطان ریه بر اساس علائم بالینی اولیه با استفاده از شبکه عصبی پرسپترون چندلایه
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 94
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECICONFE08_045
تاریخ نمایه سازی: 3 خرداد 1403
چکیده مقاله:
سرطان ریه به عنوان یکی از بزرگترین عوامل مرگ ومیر در سراسر جهان شناخته شده است و روشهای دقیق و موثر برای تشخیص آن از اهمیت بالایی برخوردارند. به واسطه پیشرفت های اخیر در حوزه یادگیری ماشین و شبکه های عصبی ، امکان پیش بینی سرطان ریه براساس ویژگی های مختلف بدن و شاخص های بالینی ایجاد شده است . شبکه های عصبی پرسپترون به عنوان یک روش یادگیری ماشین ، برخوردار از توانایی یادگیری الگوهای پیچیده و استخراج ویژگی های مهم از دادههای بزرگ هستند که می تواند در پیش بینی دقیق سرطان ریه موثر باشند. در این مقاله ، از شبکه های عصبی پرسپترون چندلایه برای پیش بینی سرطان ریه استفاده شده و نتایج آن برای تشخیص زودهنگام این بیماری مورد استفاده قرار گرفته است در این پژوهش با استفاده از ۱۵ شاخص از جمله علائم بالینی ، وراثت ، سن و غیره اقدام به پیش بینی زودهنگام سرطان ریه شده است .در ابتدا ضریب همبستگی تمامی متغیرها نسبت به یکدیگر بررسی گردید و با توجه به نتایج به دست آمده از تمامی این شاخص ها در مدلسازی نهایی استفاده گردید. کد نویسی با استفاده از نرم افزار متلب انجام شد. شبکه ی عصبی بهینه با ۱ لایه ی مخفی شامل ۵ نورون و ۴۶۰ ایپوک به دست آمد. ۸۰% دادهها برای آموزش و ۲۰ % دادهها برای مرحله آزمون به کار برده شده است ، صحت شبکه پیادهسازی شده ۹۵ درصد بود.میانگین خطای مطلق برای دادههای آموزش۰۳۹۵۹.۰ و برای دادههای آزمون برابر با ۰۶۴۳۳.۰ بود.
کلیدواژه ها:
نویسندگان
نرگس سعیدی ورنوسفادرانی
گروه مهندسی برق، دانشکده برق ، دانشگاه صنعتی کرمانشاه
محمدرضا امامیان
گروه مهندسی برق، دانشکده برق ، دانشگاه صنعتی کرمانشاه
غلامحسین روشنی
گروه مهندسی برق، دانشکده برق ، دانشگاه صنعتی کرمانشاه