مقایسه شبکه عصبی خود بازگشتی المن و شبکه عصبی پرسپترون سه لایه به منظور پیشبینی نوسانات سطح قند خون بیماران مبتلا به دیابت نوع
محل انتشار: دوازدهمین کنفرانس سالانه انجمن کامپیوتر ایران
سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,517
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI12_021
تاریخ نمایه سازی: 23 دی 1386
چکیده مقاله:
یکی از عوارض خطرناک بیماری دیابت نوع یک افزایش و یا کاهش ناگهانی سطح غلظت قند خون می باشد که باعث بروز خطراتی چون اغما و بیهوشی خواهد ش د. بنابراین استفاده از روشی مناسب به منظور پیش بینی و در نهایت پی ش گیری از این عوارض گام مهمی درجهت کنترل بهینه بیماری محسوب م ی شود. به همین منظور در این مقاله سعی شده است تا به مقایسه شبک ههای عصبی خودبازگشتی و شبکه عصبی پرسپترون سه لایه در فرایند پیشبینی نوسانات سطح غلظت قند خون بیماران مبتلا به دیابت نو ع ۱ پرداخته شو د. داده های پزشکی مورد استفاده در این مقاله مربوط به ۳ بیمار زن ایرانی مبتلا به دیابت نوع یک است که شامل الگوهایی چون نوع و دز انسولین تز ریقی، فاصله زمانی بین ساعات ثبت سطح غلظت قند خون و نیز سطح غلظت قند خون در ابتدای بازه زمانی م یباشد. در پایان تحقیق با توجه به نتایج به دست آمده مشخص شد که شبکه های عصبی خودبازگشتی با کاهش تقریباً ۲۰ درصدی خطای پیش بینی نسبت به دیگر روشهای متداول و از جمله شبک ه عصبی پرسپترون سه لایه، م ی توانند به عنوان مدلی مناسب به منظور پی شبینی نوسانات سطح غلظت قند خون در بیماران مبتلا به دیابت نوع یک تلقی گردد.
کلیدواژه ها:
نویسندگان
سعید راحتی قوچانی
استادیار گروه مهندسی پزشکی، دانشکده مهندسی دانشگاه آزاد اسلامی واحد
سیداحسان تهامی
کارشناسی ارشد مهندسی پزشکی، دانشگاه آزاد اسلامی واحد مشهد، باشگاه پژ
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 :