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

استفاده از الگوریتم جغرافیای زیستی در بهینه سازی شبکه عصبی جهت تشخیص سرطان پستان

سال انتشار: 1396
کد COI مقاله: JR_IJBD-10-4_005
زبان مقاله: فارسیمشاهده این مقاله: 151
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 استفاده از الگوریتم جغرافیای زیستی در بهینه سازی شبکه عصبی جهت تشخیص سرطان پستان

سیروس احمدی طوسی - گروه مهندسی پزشکی، دانشکده برق و علوم کامپیوتر، دانشگاه حکیم سبزواری، سبزوار، ایران
حسین قیومی زاده - گروه مهندسی پزشکی، دانشکده برق و علوم کامپیوتر، دانشگاه ولیعصر ع رفسنجان
جواد حدادنیا - گروه مهندسی پزشکی، دانشکده برق و علوم کامپیوتر، دانشگاه حکیم سبزواری، سبزوار، ایران

چکیده مقاله:

در حال حاضر، سرطان پستان از شایع ترین بیماری های زنان است. دسته بندی دقیق تومور سرطان پستان نقش کلیدی را در امر تشخیص پزشکی ایفا میکند. متخصصین به دنبال روشهای بهینه جهت بهبود تشخیص این تومور میباشند. روش بررسی: در این مطالعه شبکه عصبی مبتنی بر جغرافیای زیستی ارایه گردیده که با استفاده از آنالیز اجزای اصلی در مرحله آماده سازی و بروز رسانی همزمان وزنها موفق به دسته بندی داده ها به عنوان خوشخیم یا بدخیم میگردد. جهت ارزیابی الگوریتم ارایه شده از داده های بانک اطلاعاتی ویسکانسین استفاده شده است.یافته ها: دقت تفکیک در حالت عادی یعنی حالتی که از آنالیز اجزای اصلی و الگوریتم بهینه سازی استفاده نشده و تنها شبکه عصبی با نسبت 30-70 داده های آموزش به تست مورد استفاده قرار گیرد، %97/2 است. با بکارگیری آنالیز اجزای اصلی و کاهش 9 ویژگی به 8 ویژگی دقت به 98/5 میرسد. نهایتا با استفاده از الگوریتم بهینه سازی جغرافیای زیستی همراه با اعتبار سنجی ضربدری 10 گانه دقت به %100 رسیده که به میزان قابل توجهی از نتایج بدست آمده از مطالعات دیگر موفق تر است.نتیجه گیری: استفاده از این الگوریتم میتواند عملکرد شبکه عصبی را بهبود دهد. مقایسه روش ارایه شده با حالت بهینه نشده و در حالتی که فقط از PCA و شبکه عصبی استفاده شده است، عملکرد بهینه این روش را نشان داد. نتایج حاکی از آن است که مدل ارایه شده در این مقاله دقت بسیار بالایی در تفکیک دادههای سرطان پستان دارا میباشد و می توان از آن جهت تشخیص نهایی این سرطان استفاده نمود.

کلیدواژه ها:

بهینه سازی جغرافیای زیستی، آنالیز اجزای مستقل، شبکه عصبی پرسپترون چند لایه، الگوریتم پس انتشار.

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_IJBD-10-4_005 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/833198/

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:
احمدی طوسی، سیروس و قیومی زاده، حسین و حدادنیا، جواد،1396،استفاده از الگوریتم جغرافیای زیستی در بهینه سازی شبکه عصبی جهت تشخیص سرطان پستان،https://civilica.com/doc/833198

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، احمدی طوسی، سیروس؛ حسین قیومی زاده و جواد حدادنیا)
برای بار دوم به بعد: (1396، احمدی طوسی؛ قیومی زاده و حدادنیا)
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: 4,278
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 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