مدلسازی و تشخیص وقوع متاستاز مغز از سرطان ریه توسط شبکه های بیزین

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 863

فایل این مقاله در 10 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:

ICESCON02_169

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

متاستاز مغز تومورهای هستند که ابتدا در بافت های و اعضای خارج از مغز ایجاد شده، سپس به مغز راه می یابند. این تومورها نوع رایج و پیچیده ای از سرطان سیستمیک هستند و علت اصلی ناخوشی و مرگ در بیمارانی به شمار می روند که مبتلا به سرطان می باشند. انها رایج ترین نوع تومورهای داخل جمجمه ای هستن که میزان بروزشان ممکن است افزایش یابد. تاستاز مغز نه تنها رایج ترین تومور داخل جمجمه در بزرگسالان است بلکه در بیماران مبتلا به سرطان ریه بسیار رایج است. در این مطالعه روشی برای توصیف و تشخیص وقوع متاستاز مغز از سرطان ریه پیشنهاد شد. توپولوژی BN شبکه های بیزین برای مطالعه تومورهای متتاستاتیک مغز از سرطان ریه توسط کارشناسان / پزشکان مورد بررسی قرار گرفت و علاوه بر این شبکه عصبی RBF با شبکه های بیزین مقایسه شد و دقت آنها نسبت به یکدیگر بررسی شد تا نشان داده شود کدام یک قادر به حل مشکلات پزشکی تصادفی و در نظر گرفتن موقعیتها و اطلاعات از دست رفته در زمینه وقوع متاستاز مغز از سرطان ریه می باشد.

کلیدواژه ها:

نویسندگان

سمیه محمدعلیزاده

دانشجوی کارشناسی ارشد مهندسی کامپیوتر دانشگاه آزاد اسلامی واحد اسلامشهر

فاطمه صف ارا

استادیار، عض.و هیئت علمی دانشگاه آزاد اسلامی دانشگاه آزاد اسلامی واحد اسلامشهر

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 :
  • S. Schouten, J. Rutten, J. Huveneers, H.A. Twijnstra. A. Incidence ...
  • B. Sloan, J.S. Sloan, A.E. Davis, F.G. Vigneau, F.D, Lai, ...
  • O. Graesslin, Nomogram to predict subsequent brain metastasis in patients ...
  • A. Bajard, V. Westeel, A. Dubiez, P. Jacoulet, D. Pernet, ...
  • A. Oikawa, H. Takahashi, H. Ishikawa, K. Kurishima, K. Kagohashi, ...
  • A. Mujoomdar, J.H.M. Austin, R. Malhotra, C.A. Powell, G.D.N. Pearson, ...
  • S. Zhang, C. Tjortjis, X. Zeng, H. Qiao, I. Buchan, ...
  • K. Jayasurya, G. Fung, S. Yu, C. Dehing-Oberij e, D. ...
  • C.E. Kahn, L.M. Roberts, K.A. Shaffer, P. Haddawy, Construction of ...
  • E. Hartman, J. D. Keeler, and J. M. Kowalski, Layered ...
  • D. Broomhead, S. Lowe, D. David , Radial basis functions, ...
  • J.I.W. Park, Sandberg Universal Approximation Using Radial-Bas is-Function Networks. (2013) ...
  • A. Yee, V. Paul. and D. Haykin. Regularized Radial Basis ...
  • S. Kotsiantis, I. D.Zaharakis, P. E. Pintelas, Machine learning: a ...
  • J.H. Oh, J. Craft, R.A. Lozi, M. Vaidya, Y. Meng, ...
  • W. Hamalainen, M. Vinni, Comparison of machine learning methods for ...
  • L. Uusitalo, Advantages and challenges of Bayesian networks in environmentl ...
  • P.J. Lucas, L.C. van der Gaag, A. Abu-Hanna, Bayesian networks ...
  • J.M. Samet, E. Avila-Tang, P. Boffetta, L.M. Hannan, S. Olivo-Marston, ...
  • S. Kotsiantis, I. D. Zaharakis, P. E. Pintelas, Machine learning: ...
  • P.J. Lucas, L.C. van der Gaag, A. Abu-Hanna, Bayesian networks ...
  • J.S. Brown, D. Eraut, C. Trask, A.G. Davison, Age and ...
  • P.de Groot, R.F. Munden, Lung cancer epidemiology, risk factors, and ...
  • WHO Department of Gender, Women and Health, Gender in Lung ...
  • American Cancer Society, Global Cancer Facts and Figures, 2nd edition, ...
  • نمایش کامل مراجع