تشخیص هوشمند بیماری های کبدی با استفاده از شبکه فازی عصبی تطبیقی
- سال انتشار: 1395
- محل انتشار: اولین کنفرانس ملی آینده مهندسی و تکنولوژی
- کد COI اختصاصی: FETCONF01_037
- زبان مقاله: فارسی
- تعداد مشاهده: 589
نویسندگان
گروه مهندسی پزشکی , دانشکده فنی مهندسی , دانشگاه آزاد اسلامی واحد کازرون , شیراز
گروه مهندسی برق عضو هیات علمی,دانشکده فنی مهندسی,دانشگاه آزاد اسلامی واحد داریون, شیراز
چکیده
مقدمه و هدف:سلامت جامعه که در درجه اول روی نتیجه پژوهش های پزشکی بنا می شود تاثیر زیادی بر همه فعالیت های انسانی دارد. تصمیم گیری در پزشکی توسط کارشناسان بسیار مشکل می باشد زیرا پردازش انبوهی از از داده ها وتشخیص دقیق کار دشواری است.تشخیص در این جا دارای یک نقش بسیار مهم وحیاتی است.این اولین مرحله از مجموعه اقدامات درمانی است وخطا در این سطح می تواند عواقب چشم گیری داشته باشد.بنابراین حضور تکنولوژی در مرحله تشخیص به دلیل مزایای آن می باشد: پراگماتیسم , تکرار ,بهره وری , ایمنی نسبت به عوامل اغتشاش که برای انسان به وجود می آید.(خستگی استرس کاهش توجه)لین فن آوری متخصص را در این نقطه جایگزین نمی کند بلکه فقط سعی می کند به آن ها کمک کند. مواد وروش ها: در ابتدا 11 بیماری را به سه مجموعه بیماری نزدیک به هم تقسیم بندی نموده ودر گام بعدی با داشتن 1 ورودی برای هر مجموعه به طراحی شبکه فازی عصبی تطبیقی آن پرداخته می شود که به صورت هوشمند مجموعه بیماری کبدی مورد نظر را آشکار می سازد. برای آموزش سیستم پیشنهادی در مجموع از 255 نمونه وبرای تست آن از 35 نمونه داده استفاده شده است.دو پایگاه داده برای آموزش شبکه در اختیار داشتیم که یک پایگاه از بیماران کبدی را از بیمارستان الزهرای اصفهان و مرکز تحقیقات رسول اصفهان و بیمارستان اشرفی اصفهانی و درمانگاه ولیعصر اصفهان جمع آوری شد.یک پایگاه داده دیگر پایگاه داده BUPA مربوط به بیماران کبدی شامل 345 فرد بود که برای مقایسه با نتایج مورد استفاده قرار گرفت. بحث ونتیجه گیری:در این مقاله یک سیستم هوشمند تشخیص خودکار برای تشخیص بیماری های 17 گانه کبدی بر اساس تشخیص الگوی بیماری توسط الگوریتم شبکه های عصبی عصبی فازی تطبیقی پیشنهاد شده است که نسبت به روش های مشابه از دقت و سرعت بالاتری در عملکرد برخوردار می باشد. مزیت های عمده به کارگیری این الگوریتم هوشمند در تنظیم توابع عضویت فازی نسبت به دیگر الگوریتم های بهینه سازی در تشخیص بیماری قطعیت در رسیدن به پاسخ صحیح وتحلیل مسایل پیچیده با ابعاد گسترده است.با اعمال داده هابه سیستم الگوریتم پیشنهادی در سطح قابل قبولی با خطایکمتر از 5 درصد در تشخیص سه مجموعه بیماری موثر واقع شده است.کلیدواژه ها
بیماری های کبدی ، تشخیص هوشمند ، شبکه های عصبی ، فازیمقالات مرتبط جدید
- بررسی به کارگیری سیستم ذخیره سازی انرژی با استفاده از منابع انرژی تجدیدپذیر
- اقدامات لازم برای حفاظت از محیط زیست دریایی
- ارائه طرح مبتنی بر رایانش ابری جهت ارتقاء بهره وری صنایع خودروسازی (مطالعه موردی: مدیران خودرو)
- مروری بر تکنولوژی ماکرویو برای خردایش سنگ های کمیاب
- کاربرد و بکارگیری تکنولوژی های اینترنت اشیا ، یادگیری ماشین و پردازش تصویر در امنیت و کنترل خودرو
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.