مدلسازی یک روش ترکیبی به کمک آنالیز اجزای اصلی ) PCA (وشبکه عصبی LVQ برای تفکیک الگوهای خوش خیم و بدخیم سرطان معده درتصاویر آندوسکوپی
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 853
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
EOESD01_210
تاریخ نمایه سازی: 11 خرداد 1393
چکیده مقاله:
مقدمه: دومین سرطان شایع دنیا پس از سرطان ریه، سرطان معده می باشد. مواد و روش ها: اطلاعات لازم برای این تحقیق از تصاویر آندوسکوپی مربوط به 160 بیمار مشکوک به سرطان معده و در قالب 9 پارامتر تشخیصی توسط پزشک متخصص، استخراج و سپس به مدل ترکیبی ما تزریق شد. نتایج: بر طبق نتایج بدست آمده میزان دقت، حساسیت و ویژگی تشخیصی به ترتیب از 72%، 71% و 78% در مدل کامل شبکه عصبی به 80%، 89% و 82% در مدل ترکیبی افزایش یافته است که این نتایج تا حدی بهتر از نتایج پزشک متخصص (70%، 82% و 65%) می باشد. سطح زیر منحنی پس از آزمون با پارمترهای بهینه از 76% به 89% افزایش یافت. بحث و نتیجه گیری: مدل ترکیبی باعث ارتقای کارایی و قدرت تعمیم شبکه عصبی می گردد.
کلیدواژه ها:
نویسندگان
فاطمه ولی پوری گودرزی
دانشجوی کارشناسی ارشد مهندسی پزشکی،دانشگاه حکیم سبزواری
جواد حدادنیا
دانشیار گروه مهندسی پزشکی ، دانشگاه حکیم سبزواری
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 :