تشخیص پارامترهای بافت بدن با استفاده از شبکه های عصبی بهینه شده

در این مقاله روشی نوآورانه برای تشخیص پارامترهای بافت بدن شامل عمق، تراکم و درصد عناصر مختلف با استفاده از شبکه های عصبی بهینه ارائه شده است. با استفاده از کد هسته ای MCNPX، بافت های مختلف بدن مانند قلب، کبد، مغز و کلیه ها با دقت باالیی شبیه سازی شده اند. این شبیه سازی با تابش اشعه ایکس به بافت ها و اندازه گیری خروجی اشعه ایکس از آنها انجام شد. با استفاده از شبکه عصبی حافظه کوتاه مدت بلند مدت(LSTM)، شبکه عصبی رگرسیون عمومی(GRNN) و شبکه عصبی پیشخور بهینه شده FNN) با الگوریتم هایی مانند الگوریتم جستجوی کلغ(CSA)، بهینه سازی ازدحام ذرات(PSO)، ADAM()و نزول گرادیان تصادفی با تکانه SGDM)، پارامترهای مورد نظر با دق ت باالیی شناسایی شدند. نتایج این تحقیق نشان می دهد که مدل های پیشنهادی به عنوان ابزاری قدرتمند برای تشخیص و تجزیه و تحلیل پارامترهای بافت بدن عمل می کنند که گامی رو به جلو در پیشرفت دانش پزشکی و هوش مصنوعی است.

کلیدواژه ها:

تشخیص ، بافت های بدن ، MCNPX ، شبکه های عصبی ، بهینه سازی