CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تشخیص بیماری تالاسمی به کمک شبکه عصبی بهبودیافته تابع پایه شعاعی و الگوریتم تجمع ذرات (PSO-RBF)

عنوان مقاله: تشخیص بیماری تالاسمی به کمک شبکه عصبی بهبودیافته تابع پایه شعاعی و الگوریتم تجمع ذرات (PSO-RBF)
شناسه ملی مقاله: ICFUZZYS15_037
منتشر شده در چهارمین کنگره مشترک سیستم های فازی و هوشمند ایران (پانزدهمین کنفرانس سیستم های فازی و سیزدهمین کنفرانس سیستم های هوشمند) در سال 1394
مشخصات نویسندگان مقاله:

زهرا سادات حسینی - دانشجوی کارشناسی ارشد فناوری اطلاعات، دانشگاه تربیت مدرس
غلامعلی منتظر - عضو هیئت علمی گروه فناوری اطلاعات، دانشگاه تربیت مدرس

خلاصه مقاله:
بیماری تالاسمی نوعی اختلال در امر خونسازی است که از والدین ناقل ژن این بیماری، به فرزندان منتقل میشود. به دلیل تنوع شاخصهای خونی دخیل در تالاسمی و تنوع انواع آن، تشخیص این بیماری حتما باید توسط متخصص انجام شود؛ لذا وجود روشی که بتواند به صورت خودکار به عنوان دستیار پزشک، بیماری را تشخیص دهد در سرعت بخشیبه فرایند و دقت عمل پزشک مهم و کارساز است. در این مقاله روشی هوشمند برای تشخیص بیماری تالاسمی با استفاده از شبکه عصبی مصنوعی پیشنهاد شده است. طراحی شبکه به کمک مجموعهای از دادهها، شامل ١٩ گروه مختلف از افراد سالم، ناقلان تالاسمی و بیماران تالاسمی، انجام شده است. این دادهها از آزمایشهای CBC و کروماتوگرافی مایع با عملکرد بالا استخراج شدهاند. طراحی سامانه به کمک شبکه عصبی RBF انجام شده و برای آموزش شبکه از ترکیب الگوریتمهای PSO,SD ،K-meansو OSD استفاده شده است. نتایج نشان میدهد که بهترین کارایی با دقت بیشینه99/59 و دقت میانگین 99/24 در حالت استفاده از الگوریتمهای،OSD و K-means, به دست آمده است. این نتایج نشان میدهد که استفاده از شبکه RBF و شاخصهای مربوط به CBC و انواع هموگلوبین، باعث ایجاد دقت بالایی در تشخیص خودکار تالاسمی میشود.

کلمات کلیدی:
تالاسمی، شبکه عصبیRBF ,آزمایش CBC,انواع هموگلوبین

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/425193/