استفاده از الگوریتم های بهینه سازی و مقایسه آنها در تشخیص بیماری سرطان معده با شبکه عصبی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 914

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CSITM02_305

تاریخ نمایه سازی: 25 بهمن 1394

چکیده مقاله:

مجهز شدن علم پزشکی به ابزارهای هوشمند در تشخیص و درمان بیماریها میتواند اشتباهات پزشکان و خسارت جانی و مالی را کاهش دهد. از آنجایی که پیشبینی صحیح وضعیت بیماری افراد از اهمیت زیادی برخوردار است، لذا برای این پیش بینی بایستی ازآن دسته مدلهایی استفاده کرد که دارای حداقل خطا و حداکثر اطمینان باشد لذا در این مطالعه از روش شبکه عصبی مصنوعی که روش قویتری نسبت به روشهای موجود است جهت تشخیص به هنگام سرطان استفاده شد. در این مطالعه مدلسازی شبکه موردنظر با استفاده از شبکه پرسپترون چندلایه با الگوریتم پس انتشار خطا در بین بیماران مشکوک به سرطان از مرکز کنسرگوارش مازندراناستفاده شد، سپس اعمال سه الگورتیم بهینه سازی ژنتیک،انبوه ذرات،رقابت استعماری انجام گرفت و نتایج جهت یافتن مدل مناسب با یکدیگر مقایسه گردید. برای طراحی شبکه عصبی مصنوعی از نرم افزارMatlabاستفاده شد میانگین مربعات خطا در مرحله تست به میزان 0.004 کاهش یافت و در نهایت مقایسه مدل با اعمال الگورتیم های بهینه سازی نشان داد روش رقابت استعماری قابلیت چشمگیری در تعیین صحیح اوزان شبکه عصبی جهت آموزش و کاهش خطای آن تا 0/000951 داشت. این روش به علت دقت بالا می تواند از عوارض و آسیب های احتمالی مراحل درمانی در بیمارانی که نیازی به آن ندارند جلوگیری نماید و همچنین بیمارانی که واقعاً به این اقدامات تشخیصی و درمانی نیاز دارند تفکیک نماید.

نویسندگان

مائده غضنفری

مدیر گروه دکترا وکارشناسی ارشد،دانشگاه آزاد اسلامی واحد ساری،ساری ،ایران.

همایون موتمنی

مدیر گروه دکترا وکارشناسی ارشد،دانشگاه آزاد اسلامی واحد ساری،ساری ،ایران.

علیرضا غنودی

رئیس دانشکده فنی و مهندسی،دانشگاه آزاد اسلامی واحد ساری،ساری،ایران.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Josef Havel, Jourmal of APPLIED BIOMEDIC INE (2013) ...
  • Artificial Neural Networks in Medical, Qeethara Kadhim Al-Shayea, IJCSI International ...
  • Importance of Artificial Neural Network in Medical Diagnosis disease like ...
  • Volume 2, Issue 2, March 2013, ISSN: 2319-5967 ...
  • _ Artificial Neural Networks-Based Decision Support System for Heart Diseases ...
  • Application of Neural Networks in Diagnosing Cancer Disease Using Demographic ...
  • Diagnosis of Fish Diseases Using Artificial Neural Networks, J.N.S. Lopes1, ...
  • chest diseases diagnosis using artificial neural netwo rks, orphan Er, ...
  • Biglarian A, Babaee GR, Azmie R. Applicationof Artificial Neural Network ...
  • Kurt I, Ture M, Kurum AT. Comparing performances of logistic ...
  • Biglarian A, Hajizadeh E, Kazemnejad A, Zayeri F. Determining of ...
  • نمایش کامل مراجع