پیش بینی تشخیص بیماری سرطان سینه به کمک ماشین بردار پشتیبان

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,026

فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCEIT01_060

تاریخ نمایه سازی: 1 آذر 1394

چکیده مقاله:

سرطان سینه یکی از شایع ترین سرطان های موجود در دنیای امروز است . در این مقاله سعی شده است تا با استفادهاز ماشین بردار پشتیبان بر روی یک سری از دادههای معتبر که متعلق به یک پایگاه داده شامل مشخصات بیماران سرطان سینه می باشد که توسط دکتر William H. Wolberg در دانشگاه Wisconsin آمریکا جمع آوری شده اند به پیش بینی خوش خیم یا بدخیم بودن بیماری در مراجعان جدید، پرداخت. برای این منظور از پارامترهای گوناگون در ماشین بردار پشتیبان ماندن توابع هسته گوناگون استفاده شدهاست . در آخر مشاهده می شودکه نتایج به دست آمده قابل رقابت با نتایج به دست آمده از سایر روش های مشهور استفاده شده بای این مسئله مانند شکه های عصبی ، الگوریتم های فازی و سایر روش ها می باشد .

نویسندگان

سپهر خلیلی بروجنی

دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد علوم و تحقیقات

سپیده خلیلی بروجنی

دانشکده ریاضی و علوم کامپیوتر دانشگاه شهرکرد

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 :
  • . Wei_Huang, _ , Yoshiteru Nakamori, _ : Forecasting Foreign ...
  • _ _ _ _ _ _ _ _ Mak ino ...
  • . T. KATHIRV A _ AVAKUMA 1 and P. THANGAVEL ...
  • . C. J. Burges, "A Totorial _ support vector machines ...
  • . Sattlecker M, Baker R, Stone N, BessantC. Support vector ...
  • S. Haykin, Neural Networks: A Comprehensive Foundation, Prentice Hall, NJ, ...
  • . L. Gillam et al, "Economic News and Stock Market ...
  • .N. Cristianin, J. Shawe-Taylor, An Introduction to Suppoert Vector Machines ...
  • . Anderson WF, Pfeiffer RM, Dores GM, Sherman ME Comparison ...
  • . Nogaret JM. Breast cancer screening RevMed Brux 2006; 27(4): ...
  • . Piasini P, Parkin DM, Ferlay J. Estimates ofthe world ...
  • . Ge J, Sahiner B, Hadjisi LM, et al.Computer aided ...
  • . Markey MK, Lo JY, Floyd CE. D i fferenc ...
  • . Hay GA. Medical Image: Formation, P erception and Measurement ...
  • . Watmough DJ. The role of thermographic imaging in breast ...
  • . H.Ghayoumi Zadeh, I.Abaspur Kazeroun i, J.Haddadnia. Distinguish Breast CancerBased ...
  • . Soria D, Garibaldi JM, Ambrogi F, GreenAR, Powe D, ...
  • . Li C, Liu L, Jiang W. Objective function ofsemi- ...
  • . Riber S, Dramicanin M, Dramicanin T, Matija L. Classification ...
  • . Yang L, Ouyang Z, Shi Y. A Modifi edClustering ...
  • _ n Computational Science, ICCS 2012; 9: 1371-9. ...
  • . Tan TZ, Quek C, Ng GS, Ng EYK. Anovel ...
  • cancer thermography with co mp l _ men tarylearning fuzzy ...
  • machine ensembles forbreast cancer type prediction from mid-FTIRmi cro- calcification ...
  • . Fatih Akay M. Support vector mach inescombined with feature ...
  • نمایش کامل مراجع