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

ارایه راهکاری در جهت تشخیص و رده بندی بیماری سرطان با استفاده از یادگیری عمیق شبکه عصبی کانولوشن

سال انتشار: 1397
کد COI مقاله: TECCONF03_236
زبان مقاله: فارسیمشاهد این مقاله: 635
فایل این مقاله در 11 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 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارایه راهکاری در جهت تشخیص و رده بندی بیماری سرطان با استفاده از یادگیری عمیق شبکه عصبی کانولوشن

رضا احسن - دانشجو دکتری فناوری اطلاعات دانشگاه قم گروه کامپیوتر ، دانشکده مهندسی کامپیوتر، دانشگاه قم، قم، ایران
منصور ابراهیمی - دانشیار دانشگاه قم گروه زیست شناسی،دانشکده علوم پایه،دانشگاه قم، قم، ایران
فاطمه یزدان نژاد - دانشجو کارشناسی ارشد موسسه آموزش عالی تعالی قم گروه کامپیوتر ،موسسه آموزش عالی فناوری اطلاعات ، موسسه آموزش عالی غیرانتفاعی تعالی قم، قم، ایران

چکیده مقاله:

زمینه و هدف: هدف ما از این تحقیق، تشخیص و ردهبندی سرطان با استفاده از یادگیری عمیق می باشد. در این راستا نشان خواهیم داد که چگونه یادگیری مشخصه با ناظر, می تواند برای کشف سرطان و تحلیل نوع سرطان از داده توالی پروتیین، با استفاده از یادگیری عمیق مورد استفاده قرار گیرد.روش بررسی: در اینجا با استفاده از شبکه عصبی کانولوشن , جهت کشف و ردهبندی انواع سرطان بر اساس داده های توالی پروتیینی به کار برده می شود. در این پژوهش، از 401 داده توالی پروتیینی بیماران مبتلا به سرطان خون و 59 داده توالی پروتیینی انسان نرمال که از سایت NCBI، جمع آوری شده است، جهت ردهبندی استفاده کردیم.یافته ها: نتایج بدست آمده از تجزیه و تحلیل بر روی داده های توالی پروتیینی ، با استفاده از شبکه عصبی کانولوشن، نشان می دهد که در تشخیص و ردهبندی سرطان، درصد دقت آن بسیار بالا (تا%( 88. 5 می باشد و می توان از این روش برای تشخیص و رده بندی سرطان استفاده کرد.نتیجه گیری: تجزیه و تحلیل روی نتایج بدست آمده، نشان می دهد که با استفاده از داده های توالی پروتیینی در یادگیری عمیق، می توان بیماری سرطان را ، تشخیص و ردهبندی نمود. و همچنین می توان از این روش برای ردهبندی سرطان، از انواع مختلف نمونه های سرطان استفاده نمود

کلیدواژه ها:

تشخیص بیماری سرطان، یادگیری عمیق، ردهبندی سرطان، شبکه عصبی کانولوشن

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/790079/

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:
احسن، رضا و ابراهیمی، منصور و یزدان نژاد، فاطمه،1397،ارایه راهکاری در جهت تشخیص و رده بندی بیماری سرطان با استفاده از یادگیری عمیق شبکه عصبی کانولوشن،سومین کنفرانس ملی فناوری در مهندسی برق و کامپیوتر،سمنان،،،https://civilica.com/doc/790079

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: (1397، احسن، رضا؛ منصور ابراهیمی و فاطمه یزدان نژاد)
برای بار دوم به بعد: (1397، احسن؛ ابراهیمی و یزدان نژاد)
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.

نظرات خوانندگان

4.00
1 تعداد پژوهشگران نظر دهنده
5 0
4 1
3 0
2 0
1 0

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: 4,270
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