شناسایی و دسته بندی نوع سرطان سینه براساس ساختار سلسله مراتبی مبتنی بر چند گونه سازی ذرات بر پایه الگوریتم ازدحام ذرات برای بهینه سازی سیستم فازی
محل انتشار: یازدهمین کنفرانس سراسری سیستم های هوشمند
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 851
فایل این مقاله در 7 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:
ICS11_043
تاریخ نمایه سازی: 14 مهر 1392
چکیده مقاله:
هر گونه افزایش و تکثیر غیر طبیعی سلولی را تومور گویند. سرطان سینه زمانی اتفاق می افتد که رشد کنترل نشده ایی بر روی سلول های غیر طبیعی در پستان وجود دارد. تومورهای پستان به دو دسته خوش خیم و بد خیم تقسیم می شوند. با توجه به پیشرفت متدهای هوشمندانه و با افزایش حجم داده ها این نوع سرطان نیاز به یک سیستم هوشمندانه داریم که بتواند نوع سزطان سینه را تعیین کند. می خواهیم با ایجاد یک سیستم فازی یه شناسایی نوع سرطان سینه از لحاظ خوش خیم و بد خیم بودن آن بپردازیم برای شناسایی نوع سرطان سینه از یک ساختار سلسله مراتبی مبتنی بر چند گونه سازی ذرات بر پایه الگوریتم ازدحام ذرات برای بهینه سازی سیستم فازی استفاده می کنیم که در این مرحله سیستم فازی از نوع TSK(Takagi-sugeno-kong) می باشد. میزان صحت شناسایی نوع سرطان سینه از نظر بد خیم و خوش خیم بودن 98 درصد می باشد و این شبیه سازی بر روی پایگاه داده uci-breast cancer صورت گرفته است
کلیدواژه ها:
نویسندگان
مریم یاسی
دانشگاه آزاد اسلامی واحد مشهد، گروه هوش مصنوعی
مهدی یعقوبی
دانشگاه آزاد اسلامی واحد مشهد، گروه هوش مصنوعی
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 :