ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

مدلسازی یک روش ترکیبی به کمک آنالیز اجزای اصلی ) PCA (وشبکه عصبی LVQ برای تفکیک الگوهای خوش خیم و بدخیم سرطان معده درتصاویر آندوسکوپی

سال انتشار: 1392
کد COI مقاله: EOESD01_210
زبان مقاله: فارسیمشاهده این مقاله: 602
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدلسازی یک روش ترکیبی به کمک آنالیز اجزای اصلی ) PCA (وشبکه عصبی LVQ برای تفکیک الگوهای خوش خیم و بدخیم سرطان معده درتصاویر آندوسکوپی

فاطمه ولی پوری گودرزی - دانشجوی کارشناسی ارشد مهندسی پزشکی،دانشگاه حکیم سبزواری
جواد حدادنیا - دانشیار گروه مهندسی پزشکی ، دانشگاه حکیم سبزواری

چکیده مقاله:

مقدمه: دومین سرطان شایع دنیا پس از سرطان ریه، سرطان معده می باشد. مواد و روش ها: اطلاعات لازم برای این تحقیق از تصاویر آندوسکوپی مربوط به 160 بیمار مشکوک به سرطان معده و در قالب 9 پارامتر تشخیصی توسط پزشک متخصص، استخراج و سپس به مدل ترکیبی ما تزریق شد. نتایج: بر طبق نتایج بدست آمده میزان دقت، حساسیت و ویژگی تشخیصی به ترتیب از 72%، 71% و 78% در مدل کامل شبکه عصبی به 80%، 89% و 82% در مدل ترکیبی افزایش یافته است که این نتایج تا حدی بهتر از نتایج پزشک متخصص (70%، 82% و 65%) می باشد. سطح زیر منحنی پس از آزمون با پارمترهای بهینه از 76% به 89% افزایش یافت. بحث و نتیجه گیری: مدل ترکیبی باعث ارتقای کارایی و قدرت تعمیم شبکه عصبی می گردد.

کلیدواژه ها:

آندوسکوپی ، آنالیز اجزای اصلی ( PCA) ، شبکه عصبی LVQ ، سرطان معده

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا EOESD01_210 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/252769/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ولی پوری گودرزی، فاطمه و حدادنیا، جواد،1392،مدلسازی یک روش ترکیبی به کمک آنالیز اجزای اصلی ) PCA (وشبکه عصبی LVQ برای تفکیک الگوهای خوش خیم و بدخیم سرطان معده درتصاویر آندوسکوپی،همایش مهندسی برق و توسعه پایدار با محوریت دستاوردهای نوین در مهندسی برق،مشهد،https://civilica.com/doc/252769

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1392، ولی پوری گودرزی، فاطمه؛ جواد حدادنیا)
برای بار دوم به بعد: (1392، ولی پوری گودرزی؛ حدادنیا)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • .نوری نیر، بابک و همکاران .بررسی شاخص های مبط با ...
  • . Koh TJ, Wang TC. Tumors of the Stomach. In: ...
  • . Grady WM. Genetics of gastric cancer. In: Cowell JK, ...
  • . The American Cancer Society. Statistic. (www. cancer. org/do wnload/STTF ...
  • . Roukos DH. Current status and future perspectives in gastric ...
  • . Sajadi A, Nouraei M, Mohagheghi M. A et al, ...
  • Perspective: Asian Pacific of Cancer Prevention 2005, Vol. 6 (3), ...
  • . Sajadi A, Rafat J, Mohagheghi M A et al, ...
  • Asian Pacific of Cancer Prevention, Apr-Jun 2005 Vol. 6 (2), ...
  • . Nagayato T. Background data to study of advance gastric ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 4,288
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی