Development and Verification of Artificial Neural Network Classifiers for Eye Diseases Diagnosis
- سال انتشار: 1386
- محل انتشار: چهاردهمین کنفرانس مهندسی پزشکی ایران
- کد COI اختصاصی: ICBME14_069
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1452
نویسندگان
Systems Design Engineering Department, University of Waterloo, Waterloo, ON, Canada.
Biomedical Engineering School, Amir Kabir University of Technology, Tehran, Iran.
Mechanical Engineering School, Khajeh Nasir Toosi University of Technology, Tehran, Iran.
چکیده
Visual field sensitivity test results are crucial for accurate and efficient diagnosis of blinding diseases such as glaucoma, scotoma, homonymous, lesions of the optic nerves, lesions of the chiasm, etc. Typically in computerized perimeters, analysis of visual field sensitivity test results is performed by statistical methods. The purpose of these analyses is to help ascertain whether the test results are acceptable or not and also what the disorder is. Herein, first, Kohonen’s self – organizing map (SOM) is used to establish whether the Perimetry result is reliable or not. Then, Multilayer Perceptron (MLP), Probability Neural Network (PNN), Radial-Basis Function Network (RBFN) and Support Vector Machines (SVM) is used to analyze premetry results. By comparing the statistics, the artificial neural network classifiers show encouraging performance and SVM has the best performance.کلیدواژه ها
Visual field, Standard automated perimetery, perimeter, Multi Layer Perceptron (MLP), Probability Neural Network (PNN), Radial-Basis Function Network (RBFN), Support Vector Machine (SVM)مقالات مرتبط جدید
- سامانه های خورشیدی ونحوه طراحی ونصب آن
- ارائه روش جدید خوشه بندی در شبکه های حسگر بی سیم با استفاده از الگوریتم بهینه سازی گروه میگوها
- مروری بر کاربردهای الگوریتم کلونی مورچگان در مسیریابی شبکه های حسگر و بهینه سازی وسایل هوشمند
- کنترل توان انتقالی سیستم قدرت با استفاده از UPFC بهینه شده با الگوریتم بهینه سازی خفاش
- بهبود مصرف انرژی در شبکه حسگر بی سیم با استفاده از خوشه بندی گرههای حسگر با الگوریتم جستجوی محلی مکرر
اطلاعات بیشتر در مورد 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.