تشخیص هوشمند بیماری دیابت مبتنی بر ترکیب و تعامل الگوریتمهای رمزنگاری ، الگوریتمهای تکاملی و شبکههای مصنوعی عصبی
- سال انتشار: 1392
- محل انتشار: همایش ملی کاربرد سیستم های هوشمند (محاسبات نرم) در علوم و صنایع
- کد COI اختصاصی: AISST01_226
- زبان مقاله: فارسی
- تعداد مشاهده: 1825
نویسندگان
بخش مهندسی پزشکی، گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دا
بخش کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحق
بخش مهندسی پزشکی، گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دا
بخش مهندسی پزشکی، گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دا
چکیده
در این مقاله روش جدیدی برای تشخیص بیماری دیابت ارائه شده است چراکه یکی از مشکلات اساسی مربوط به این بیماری عدم تشخیص بهموقع و صحیح این بیماری است. تشخیص بیماری دیابت بهطور چشم گیری صدمات و آسیبهای ناشی از این بیماری را در جامعه کاهش میدهد. از مهم ترین چالشهای پیش روی تشخیص این بیماری خصوصاً در مراحل ابتدایی عدم در نظر گرفتن ویژگیهای مناسب به منظور تشخیص و در نهایت ضعف در شناسایی بیماران میباشد. امروزه پزشکان بیش از هر چیز با تکیه بر تجربیات و دانستههای خود، آزمایشات پیچیده و وقت گیر به این بیماری پی میبرند. با این وجود خطاهای انسانی اجتناب ناپذیر است. در این تحقیق دادههای 768 نفر زن با 8 ویژگی مورد ارزیابی قرار گرفت. با استفاده از فرآیندهای پردازش و هوش مصنوعی شامل؛ الگوریتم پردازش سیگنال –موجک (Haar-Wavelet) به منظور کد کردن (رمز نگاری) نتایج و دادههای بیماران، الگوریتمهای تکاملی (BPSO) به منظور انتخاب بهترین جواب و شبکههای عصبی مصنوعی (Artificial Neural Network) به منظور برآورد، آموزش، انطباق و یادگیری ماشینی در جهت شناسایی و تشخیص این بیماری استفاده شده است. سیستم پیشنهادی با استفاده از ترکیب روشهای مذکور موفق شد با تکیه بر ویژگیهای پایگاه داده در قالب ترکیب و تعامل به دقت شناسایی % 91.86 دست یابد. روشهای حاضر علی رغم دقت بالا، شاید هزینه بر و مطئناً وقت گیر میباشند؛ که با مقایسه این روش با روشهای مذکور به دقت و کارایی آن پی خواهیم برد.کلیدواژه ها
تشخیص بیماری ،دیابت، رمز نگاری، الگوریتمهای تکاملی، پردازش سیگنال و شبکههای عصبی مصنوعیمقالات مرتبط جدید
- فشرده سازی داده های ساخته شده با پاشش گاوسی در مدل سازی سه بعدی با استفاده از تحلیل مولفه اصلی
- دسته بندی عیوب جوش روی تصاویر پرتونگاری صنعتی با معرفی مدل یادگیری عمیق WeldClassNet
- بهبود تخمین بارندگی از پردازش تصاویر ماهواره ای با تلفیق هوش مصنوعی و داده های جغرافیایی (مطالعه موردی شهرستان بندرانزلی)
- تشخیص بیماری صرع در سیگنالهای الکتروانسفالوگرافی با استفاده از الگوریتم ازدحام ذرات و ماشین بردار پشتیبان کوانتومی
- ارائه روش بهبود شناسایی کشتی در تصاویر SAR با استفاده از شبکه عصبی عمیق مبتنی بر باکس های مرزی چرخشی و الگوریتم توجه ادغام شده
اطلاعات بیشتر در مورد 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.