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

طراحی یک سیستم هوش محاسباتی برای بهبود تشخیص اسکلروز چندگانه با استفاده از پتانسیل برانگیخته ی بینایی

سال انتشار: 1395
کد COI مقاله: CBCONF01_0795
زبان مقاله: فارسیمشاهد این مقاله: 351
فایل این مقاله در 15 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 15 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله طراحی یک سیستم هوش محاسباتی برای بهبود تشخیص اسکلروز چندگانه با استفاده از پتانسیل برانگیخته ی بینایی

موسی محسن پوریان - کارشناس ارشد، گروه کنترل، دانشکده ی مهندسی برق، دانشگاه صنعتی امیرکبیر
امیرابوالفضل صورتگر - دانشیار، گروه کنترل، دانشکده ی مهندسی برق، دانشگاه صنعتی امیرکبیر
حیدرعلی طالبی - استاد، گروه کنترل، دانشکده ی مهندسی برق، دانشگاه صنعتی امیرکبیر
مهسا ارزانی - گروه مغز و اعصاب، بیمارستان سینا، دانشگاه علوم پزشکی تهران

چکیده مقاله:

در این پژوهش، رویکردی جدید برای تنظیم پارامترهای توابع عضویت یک سیستم استنتاج فازی ارائه شده است کهمی تواند با استفاده از داده های پتانسیل برانگیخته ی بینایی، در قالب یک ابزار بازشناسی الگو به طبقه بندی بیماران اسکلروزچندگانه از افراد سالم بپردازد. در این روش از الگوریتم بهینه سازی گروه میگوها استفاده شده است تا پارامترهای مربوط بهتوابع عضویت ورودی ها و خروجی های یک سیستم استنتاج فازی اولیه از نوع سوگنو را گونه ای تغییر دهد که خطایمتناظر با یادگیری شبکه، کمینه گردد. این سیستم بازشناسی الگو برای طبقه بندی سیگنال های پتانسیل برانگیخته یبینایی در 11 بیمار با تشخیص کلینیکی اماس و 11 نمونه ی سالم به کار گرفته شد. ابتدا روشی موسوم به استخراج ویژگیروی سیگنال ها اعمال شد و سپس با بهره گیری از الگوریتم های بهینه سازی گسسته ی کلونی مورچگان و شبیه سازی تبرید،در چارچوب یک فرایند انتخاب زیرمجموعه ی ویژگی، ویژگی های مفید گزینش شدند. این زیرمجموعه از ویژگی ها، بهخودی خود، اطلاعات بیشتری درمورد ارزش کلینیکی برخی جنبه های سیگنال پتانسیل برانگیخته ی بینایی ارائه می دهدکه پیش از این مورد استفاده قرار نگرفته بودند، و میتوان در تشخیص اماس از آنها یاری جست. همچنین نشان دادهشده است که سیستم هوش محاسباتی طراحی شده عملکردی بهتر از سایر روشهای طبقه بندی هوشمند (شبکه هایعصبی مصنوعی، ماشین های بردار پشتیبانی، و سیستم استنتاج عصبی- فازی تطبیقی) دارد و قادر است با دقت کلی 90درصد، بیماران اماس را از افراد سالم تمیز دهد.

کلیدواژه ها:

اسکلروز چندگانه، پتانسیل برانگیخته ی بینایی، طبقه بندی، سیستم استنتاج فازی، الگوریتم بهینه سازی گروه میگوها

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/497250/

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:
محسن پوریان، موسی و صورتگر، امیرابوالفضل و طالبی، حیدرعلی و ارزانی، مهسا،1395،طراحی یک سیستم هوش محاسباتی برای بهبود تشخیص اسکلروز چندگانه با استفاده از پتانسیل برانگیخته ی بینایی،اولین کنفرانس بین المللی دستاوردهای نوین پژوهشی در مهندسی برق و کامپیوتر،تهران،،،https://civilica.com/doc/497250

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: (1395، محسن پوریان، موسی؛ امیرابوالفضل صورتگر و حیدرعلی طالبی و مهسا ارزانی)
برای بار دوم به بعد: (1395، محسن پوریان؛ صورتگر و طالبی و ارزانی)
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 :

  • McDonaldه 12. C. Polman et al., "Diagnostic criteria for multiple ...
  • M. Hardmeier, et al., "Improved _ haracterization of visual evoked ...
  • M. Movassat et al., _ evoked potential study in multiple ...
  • C. Polman et al., "Diagnostic criteria for multiple sclerosis: 2010 ...
  • W. McDonald et al., _ FRecommended diagnostic criteria for multiple ...
  • M. R. Arab, A. A. Suratgar, A. Rezaii Ashtiani, _ ...
  • H. Rezaii, A. A. Suratgar, F. Abdollahi, "Mathematical Modeling of ...
  • M. R. Arab, A. A. Suratgar, A. Rezaii, Ashtiani, _ ...
  • A. A. Suartgar, M. Soleimani, H. Davoudzadeh, "Fuzzy Modeling of ...
  • A. Abdolmaleki, A. A. Suratgar, R. Sadegi, "QSAR Analysis for ...
  • A. Zarghi, Z. Hajimahdi, M. Ranjbar, A. A. Suratgar, "QSAR ...
  • M. Shakarami, A. A. Suratgar, H. A. Talebi, "Estimation of ...
  • R. Kalaivaazhi and D. Kumar, "Feature Extraction in P 100 ...
  • S. Kirkpatrick, et al., "Optimization by Simulated Annealing, " Science, ...
  • M. Dorigo, et al.. "Ant System: Optimization by A Colony ...
  • A. Gandomi and A. Alavi, "Krill herd: A new bio-inspired ...
  • E. Burke and G Kendall, Search methodologies: Introductory tutorials in ...
  • T. Dasey and E. Micheli -Tzanakou, "Detection of multiple sclerosis ...
  • Machine Learning Pipeline for Multiple Sclerosis Course Detection from A؛ه ...
  • M. Goldenberg, "Multiple Sclerosis Review, " Pharmacy and Therapeutics, vol. ...
  • S. Guillaume, "Designing Fuzzy Inference Systems from Data: An Interpretab ...
  • P. Kowalski and S. Lukasik, "Training Neural Networks with Krill ...
  • of structural and functonal vnsual outcomes n relapsung Assessment:ه 23. ...
  • J. Odom, et al., _ Evoked Potentials Standard, " Documenta ...
  • 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: 20,603
    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