تشخیص بیماری قلبی وهایپر اسیدی معده از طریق عنبیه شناسی مبتنی بر شبکه عصبی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,250

فایل این مقاله در 14 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:

ITCC01_230

تاریخ نمایه سازی: 9 فروردین 1395

چکیده مقاله:

هدف اصلی این مقاله بررسی تشخیص بیماری از طریق عنبیه شناسی بوسیله شبکه های عصبی که با استفاده از ساختار چشم و همچنین وجود مکانیزمی جهت تشخیص دقیق موقعیت عنبیه و تطبیق با الگوی عنبیه شناسی به بررسی دقیق مکان ها پرداخته شده است، می باشد. بدینگونه که نرم افزار ارائه شده از طریق تشخیص لبه به بررسی دقیق بافت عنبیه و سپس به تجزیه و تحلیل ناحیه مورد نظر برحسب نوع بیماری می پردازد و درآخر بوسیله شبکه عصبی، یادگیری و پیش بینی در حوزه سلامت را مورد ارزیابی قرار می دهد. خطرات ناشی از عدم تشخیص دقیق و سریع بیماری، با پرداخت هزینه های گزاف برای تشخیص یکی از معضلات جامعه پزشکی به حساب می آید. ایجاد مکانیزمی که چگونگی اداره حجم انبوه اطلاعات بیمار و استفاده مؤثر از آنها در بهبود تصمیم گیری، از موضوعات بحث برانگیز در عصر حاضر است. یکی از مسائل مهم تحقیقاتی در زمینه علوم کامپیوتر، پیاده سازی مدلی شبیه به سیستم داخلی مغز انسان برای تجزیه و تحلیل سیستم های مختلف بر اساس تجربه است. در این راستا شبکه های عصبی یکی از پویاترین حوزه های تحقیق در دوران معاصر هستند، استفاده از شبکه های عصبی در حل مسائل پیچیده کاربردی این روزها بیش از پیش رواج یافته است. معماری مدل پیشنهادی شامل 4 بخش اساسی، بلوک دریافت کننده، بلوک پردازش، بلوک تطبیق و بلوک تصمیم است که این قسمت براساس الگو شناسایی می کند با وجود علائم بیماری در ناحیه قبول کرده یا رد می کند.

نویسندگان

نجمه دشتی نژاد

دانشکده کامپیوتر، واحد دانشگاه آزاد اسلامی یزد، 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 :
  • ممتازیان، زهرا، بهار 1390، عنبیه چشم دریچه ای جهت شناخت ...
  • مصطفی بیگدلی، 8 فوریه، معرفی شبکه عصبی و ساختار نورون ...
  • سید عباس حجازی، محمد علی صالحی امین، بهار CANNY _ ...
  • new iris segmentation method for recognition", 4Aه 9. Huang, J., ...
  • Irterr ational Conference _ Inform ation Technol _ Comnunter _ ...
  • Rossi Passarella, Erwin, Fachrurrozi and Sutarno, M., June 2013 ;"Development ...
  • Habsara Hareva _ D., Berlinton Sitorus, B., Lukas, S., Oktavian, ...
  • Holley, AP., G orawara-Bhat, R., Dale, W., Hemmerich, J., Cox-Hayley, ...
  • Ma, L. and Li N., ICMB 2008, "Texture Feature Extraction ...
  • Cui J, Wang Y et al., 2004, _ fast and ...
  • H e Z, Tan T et al, (2009) , "Toward ...
  • Othman, Z. and Prabuwono, AS, 2010, "Preliminary study on iris ...
  • Lodin, A., Demea, S., 2009, "Medical diagnosis system based on ...
  • Bernard Jensen, 20 05, " Science and Practice of Iridology". ...
  • Daugman J , 2002, "How iris recognition works, Proceedings of ...
  • Ballard H D , 1981, " Generalizing the Hough transform ...
  • http : //www. iris-supplies .com.au ...
  • N Singh, D Gandhi, K. P. Singh, May 2011, "Iris ...
  • Michael, Boyd , 2010, "Iris Recognition". Imperial Collage London. ...
  • Zuukhruful Riskia, Setiawardhana, Sigit Wasista _ October 24, 2012, System ...
  • Anitha J, Selvathi D and Hemanth DJ , 2009, " ...
  • S.N. Deepa and B. Aruna Devi, Nov 2011, _ Survey ...
  • Ridza Azri Ramlee, Khairul Azha, Ranjit Singh Sarban Singh, October ...
  • En.wikipedia. _ rg/w iki/Arti fi c i al_neural_n etwork ...
  • G.DurgaDevi1 , D.M.D Preethi, 4 April 2014, "Disease Identification in ...
  • Mrs.Miniaksf R.Rajput , November 2013, "Iris feature extraction and recognition ...
  • نمایش کامل مراجع