یک الگوریتم جدید استخراج ویژگی با الستفاده از تخمین دو بعدی اطلاعات متقابل برای کاربرد های تشخیص پزشکی
محل انتشار: هفدهمین کنفرانس مهندسی پزشکی ایران
سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 627
فایل این مقاله در 6 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:
ICBME17_152
تاریخ نمایه سازی: 9 تیر 1392
چکیده مقاله:
در این تحقیق یک الگوریتم استخراج ویژگی با استفاده از اطلاعات متقابل دو بعدی به منظور کاهش بعد فضای ویژگی پیشنهاد شدهاست. در این روش سعی میشود با ترکیب ویژگیهای موجود، ویژگیهای جدیدی ساخته شوند که حداکثر اطلاعات را در رابطه با کلاسها داشتهباشند و همچنین دارای حداقل وابستگی با یکدیگر باشند. الگوریتم ارائه شده برای طبقهبندی سیگنالهای تشخیص سرطان سینه، تشخیصزنده ماندن بیشتر یا کمتر از پنج سال در بیمارانی که پس از عمل جراحی سرطان سینه زنده ماندهاند، تشخیص بیماری پارکینسون، تشخیص بیماری دیابت، تشخیص ماسک کردن سلول، تشخیص سرطان شش و تشخیص تصاویر توموگرافی قلبی که در سایت UCI موجود می باشد به کار گرفته شده است. نتایج نشان میدهد که با استفاده از روش پیشنهادی برای استخراج ویژگی و طبقهبندی کننده خطی نزدیکترین همسایه، سرطان سینه با دقت 96/4%، بیماری پارکینسون با دقت 92/4%، دیابت با دقت 71/4%، ماسک کردن سلول با دقت 96/8%، سرطان شش با دقت 65/2%، تصاویر توموگرافی با دقت 77/8% و زنده ماندن بیشتر یا کمتر از پنج سال در بیمارانی که پس از عمل جراحی سرطان سینه زنده با دقت 67/5% تشخیص داده شده است.
کلیدواژه ها:
نویسندگان
علی شادور
آزمایشگاه کنترل عصبی- عضلانی، مرکز فناوری عصبی ایران، گروه مهندسی پز
عباس عرفانیان امیدوار
آزمایشگاه کنترل عصبی- عضلانی، مرکز فناوری عصبی ایران، گروه مهندسی پز
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :