ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

استفاده از الگوریتم های بهینه سازی و مقایسه آنها در تشخیص بیماری سرطان معده با شبکه عصبی

سال انتشار: 1394
کد COI مقاله: CSITM02_305
زبان مقاله: فارسیمشاهد این مقاله: 486
فایل این مقاله در 10 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 10 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از الگوریتم های بهینه سازی و مقایسه آنها در تشخیص بیماری سرطان معده با شبکه عصبی

مائده غضنفری - مدیر گروه دکترا وکارشناسی ارشد،دانشگاه آزاد اسلامی واحد ساری،ساری ،ایران.
همایون موتمنی - مدیر گروه دکترا وکارشناسی ارشد،دانشگاه آزاد اسلامی واحد ساری،ساری ،ایران.
علیرضا غنودی - رئیس دانشکده فنی و مهندسی،دانشگاه آزاد اسلامی واحد ساری،ساری،ایران.

چکیده مقاله:

مجهز شدن علم پزشکی به ابزارهای هوشمند در تشخیص و درمان بیماریها میتواند اشتباهات پزشکان و خسارت جانی و مالی را کاهش دهد. از آنجایی که پیشبینی صحیح وضعیت بیماری افراد از اهمیت زیادی برخوردار است، لذا برای این پیش بینی بایستی ازآن دسته مدلهایی استفاده کرد که دارای حداقل خطا و حداکثر اطمینان باشد لذا در این مطالعه از روش شبکه عصبی مصنوعی که روش قویتری نسبت به روشهای موجود است جهت تشخیص به هنگام سرطان استفاده شد. در این مطالعه مدلسازی شبکه موردنظر با استفاده از شبکه پرسپترون چندلایه با الگوریتم پس انتشار خطا در بین بیماران مشکوک به سرطان از مرکز کنسرگوارش مازندراناستفاده شد، سپس اعمال سه الگورتیم بهینه سازی ژنتیک،انبوه ذرات،رقابت استعماری انجام گرفت و نتایج جهت یافتن مدل مناسب با یکدیگر مقایسه گردید. برای طراحی شبکه عصبی مصنوعی از نرم افزارMatlabاستفاده شد میانگین مربعات خطا در مرحله تست به میزان 0.004 کاهش یافت و در نهایت مقایسه مدل با اعمال الگورتیم های بهینه سازی نشان داد روش رقابت استعماری قابلیت چشمگیری در تعیین صحیح اوزان شبکه عصبی جهت آموزش و کاهش خطای آن تا 0/000951 داشت. این روش به علت دقت بالا می تواند از عوارض و آسیب های احتمالی مراحل درمانی در بیمارانی که نیازی به آن ندارند جلوگیری نماید و همچنین بیمارانی که واقعاً به این اقدامات تشخیصی و درمانی نیاز دارند تفکیک نماید.

کلیدواژه ها:

شبکه عصبی مصنوعی، تشخیص بیماری ، سرطان، معده ،الگوریتم بهینه سازی

کد مقاله/لینک ثابت به این مقاله

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/423066/

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:
غضنفری، مائده و موتمنی، همایون و غنودی، علیرضا،1394،استفاده از الگوریتم های بهینه سازی و مقایسه آنها در تشخیص بیماری سرطان معده با شبکه عصبی،دومین همایش ملی مهندسی رایانه و مدیریت فناوری اطلاعات،تهران،،،https://civilica.com/doc/423066

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: (1394، غضنفری، مائده؛ همایون موتمنی و علیرضا غنودی)
برای بار دوم به بعد: (1394، غضنفری؛ موتمنی و غنودی)
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 ممقالهقاله لینک شده اند :

  • Josef Havel, Jourmal of APPLIED BIOMEDIC INE (2013) ...
  • Artificial Neural Networks in Medical, Qeethara Kadhim Al-Shayea, IJCSI International ...
  • Importance of Artificial Neural Network in Medical Diagnosis disease like ...
  • Volume 2, Issue 2, March 2013, ISSN: 2319-5967 ...
  • _ Artificial Neural Networks-Based Decision Support System for Heart Diseases ...
  • Application of Neural Networks in Diagnosing Cancer Disease Using Demographic ...
  • Diagnosis of Fish Diseases Using Artificial Neural Networks, J.N.S. Lopes1, ...
  • chest diseases diagnosis using artificial neural netwo rks, orphan Er, ...
  • Biglarian A, Babaee GR, Azmie R. Applicationof Artificial Neural Network ...
  • Kurt I, Ture M, Kurum AT. Comparing performances of logistic ...
  • Biglarian A, Hajizadeh E, Kazemnejad A, Zayeri F. Determining of ...
  • 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 آزاد
    تعداد مقالات: 3,996
    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 پیشنهادی مرتبط

    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