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

Improving early prostate cancer diagnosis by using Artificial Neural Networks and Deep Learning

سال انتشار: 1397
کد COI مقاله: SPIS04_035
زبان مقاله: انگلیسیمشاهد این مقاله: 183
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

مشخصات نویسندگان مقاله Improving early prostate cancer diagnosis by using Artificial Neural Networks and Deep Learning

چکیده مقاله:

Prostate cancer could be diagnosed by routine controls such as biopsy. But considering prostate biopsy side effects, using automated tools along with some selected features in early diagnosis of this cancer seems necessary. Even though production of this tool previously has been done, but the importance of the issue binds us to increase its accuracy as much as possible. Using Deep Learning to enhance medical diagnosis is an important matter in areas of research. Deep Learning Artificial Neural Networks are classification algorithms that can be used for classification. In this movement, we are going to improve existing classifier based expert system for early diagnosis of the organ to attain informed decision without biopsy by using some definite features. 50 data used in this paper are collected from Imam Reza hospital (Tehran). Classifying training input data, we have used following classifiers: Scaled conjugate gradient (SCG), Broyden-Fletcher-Goldfarb-Shanno (BFGS), and Levenberg- Marquardt (LM) training algorithms of Artificial Neural Networks (ANN); and AlexNet which is one of the CNNbased methods of Deep Learning. The proposed system was designed based on AlexNet function which had the best performance among existing methods. In fact, this paper is going to state how deep learning could be used for early diagnosis of cancer and Deep Learning advantages of SVM in cancer diagnosis as well. In the end, the predictive accuracy of the mentioned method of Deep Learning has been compared with that of gained by use of SVM and ANN. Deep Learning achieved classification accuracy is 86.3%, while for SVM was 81.1% and for ANN 79.3%. But sensitivity and specificity didn’t have considerable changes.

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/842950/

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:
Abbasi Mesrabadi, Hengame and Faez, Karim,1397,Improving early prostate cancer diagnosis by using Artificial Neural Networks and Deep Learning,چهارمین کنفرانس پردازش سیگنال و سیستم‌های هوشمند,تهران,,,https://civilica.com/doc/842950

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, Abbasi Mesrabadi, Hengame؛ Karim Faez)
برای بار دوم به بعد: (1397, Abbasi Mesrabadi؛ Faez)
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.

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