ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

بررسی روش های تشخیص زود هنگام و پردازش داده های بزرگ بیماری آلزایمر با به کاری گیری روش های یادگیری عمیق

سال انتشار: 1396
کد COI مقاله: DCBDP03_039
زبان مقاله: فارسیمشاهده این مقاله: 680
فایل این مقاله در 9 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 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بررسی روش های تشخیص زود هنگام و پردازش داده های بزرگ بیماری آلزایمر با به کاری گیری روش های یادگیری عمیق

جلیل نورمحمدی خیارک - کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه تبریز، تبریز،
اسماعیل فخیمی قشلاق - کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه تهران، ایوان کی،
عسگر هوشیارحسن باروق - کارشناسی ارشد، دانشکده برق و کامپیوتر، دانشگاه آزاد فردوس ، خراسان جنوبی،
محمدرضا فیضی درخشی - دانشیار، دانشکده برق و کامپیوتر، دانشگاه تبریز، تبریز.

چکیده مقاله:

تشخیص زودهنگام بیماری در خیلی مواقع نقش اساسی در جلوگیری از پیشرفت بیماری و حتی قطع آن دارد. تشخیص زودهنگام بیماری آلزایمر هم یکی از این موارد هست که با به کاری گیری روش های جدید یادگیری ماشین اقدام به تشخیص زود هنگام کرده اند. اخیرا، بیماری آلزایمر مبتنی بر تصویر برداری عصبی توجه محققان را برای تحقیق در این زمینه جذب کرده است. چالش اصلیکه در این مسیله وجود دارد بعد بالای داده های بیماری آلزایمر و کمبود تعداد نمونه هست. یادگیری عمیق به مدل های کامپیوتری که از چندین لایه پردازشی تشکیل شده اند اجازه می دهد تا نمونه های داده را با چندین لایه انتزاع بیاموزد. روش های یادگیریعمیق براساس بافته های محققان روش های موفقی در پردازش داده برزگ مخصوصا در تشخیص بیماری آلزایمر می باشند. در این مقاله به بررسی روش های مختلف یادگیری عمیق در تشخیص زود هنگام بیماری آلزایمر پرداختیم و همچنین معماری های مختلفیکه در این باره به کار گرفته شده است را بررسی کردیم نتایج این بررسی نشان می دهد که با روش های جدید یادگیری عمیق می توان سیستم های بسیار مناسبی در تشخیص زودهنگام بیماری آلزایمر طراحی و پیاده سازی کرد

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا DCBDP03_039 میباشد و 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/649175/

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:
نورمحمدی خیارک، جلیل و فخیمی قشلاق، اسماعیل و هوشیارحسن باروق، عسگر و فیضی درخشی، محمدرضا،1396،بررسی روش های تشخیص زود هنگام و پردازش داده های بزرگ بیماری آلزایمر با به کاری گیری روش های یادگیری عمیق،سومین کنفرانس ملی محاسبات توزیعی و پردازش داده های بزرگ،تبریز،https://civilica.com/doc/649175

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: (1396، نورمحمدی خیارک، جلیل؛ اسماعیل فخیمی قشلاق و عسگر هوشیارحسن باروق و محمدرضا فیضی درخشی)
برای بار دوم به بعد: (1396، نورمحمدی خیارک؛ فخیمی قشلاق و هوشیارحسن باروق و فیضی درخشی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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: 20,916
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