سال انتشار: ۱۳۹۶
کد COI مقاله: CITCOMP02_163
زبان مقاله: فارسی
حجم فایل: ۲۵۱.۰۴ کیلوبایت (فایل این مقاله در ۱۳ صفحه با فرمت PDF قابل دریافت می باشد)
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.
اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.
با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۳ صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:
آدرس ایمیل خود را در کادر زیر وارد نمایید:
مشخصات نویسندگان مقاله تشخیص بیماری پارکینسون با استفاده از دست نوشته افراد
فرخنده آریان فر - دانشجوی کارشناسی ارشد کامپیوتر، دانشکده فنی مهندسی،دانشگاه رازی، کرمانشاه، ایرانعبداله چاله چاله - استادیار گروه مهندسی کامپیوتر، دانشگاه رازی،کرمانشاه، ایران
چکیده مقاله:
بیماری پارکینسون با مشکلات حرکتی برای بیماران همراه می باشد که موجب عدم توانایی کارکردن و دیگر پیامدها می باشد. در این مقاله سعی شده تصاویر مربوط به دست نوشته افرادی که تست پارکینسون داده اند به صورت اتوماتیک توسط روش های پردازش تصاویر بررسی شوند و بیمارها و غیر بیمار ها با متد های پردازش ماشین و یادگیری ماشین تفکیک شوند. روش پیشنهادی شامل سه قسمت است: پیش پردازش، استخراج ویژگی و کلاس بندی. در بخش استخراج ویژگی تصاویر دست خط بیماران وارد می شوند و دست خط و خط چاپی از هم جدا شده و سپس با هم مقایسه می شوند تا ویژگی های مربوط به آن به دست آید. برای مشخص کردن نقاط متناظر روی دست خط و خط چاپی از اختلاف دو تصویر و همچنین میانگین گیری استفاده شده است. سپس ویژگی ها تولید می شوند و در مرحله ی بعد توسط دو طبقه بند ماشین بردار پشتیبان و نزدیک ترین همسایه K طبقه بندی می شوند. برای طبقه بندی روش پیشنهادی از نود درصد داده ها برای آموزش و از ده درصد برای تست استفاده کرده ایم و در نهایت یک ماتریس به دست می آید که بردار ویژگی تصاویر را تولید می کند. نتیجه ای که از کار ما به دست آمد نشان می دهد که ما در روش پیشنهادی این مقاله نسبت به روش های اخیر 6درصد افزایش در دقت تشخیص داشته ایم.کلیدواژهها:
بیماری پارکینسون، یادگیری ماشین، الگوی دست خط، الگوی مارپیچکد مقاله/لینک ثابت به این مقاله
برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:https://www.civilica.com/Paper-CITCOMP02-CITCOMP02_163.html
کد COI مقاله: CITCOMP02_163
نحوه استناد به مقاله:
در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:آریان فر, فرخنده و عبداله چاله چاله، ۱۳۹۶، تشخیص بیماری پارکینسون با استفاده از دست نوشته افراد، دومین کنفرانس بین المللی پژوهش های دانش بنیان در مهندسی کامپیوتر و فناوری اطلاعات، تهران، دانشگاه مجلسی، https://www.civilica.com/Paper-CITCOMP02-CITCOMP02_163.html
در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (آریان فر, فرخنده و عبداله چاله چاله، ۱۳۹۶)
برای بار دوم به بعد: (آریان فر و چاله چاله، ۱۳۹۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.
علم سنجی و رتبه بندی مقاله
مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
در بخش
علم سنجی پایگاه سیویلیکا
می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را
بر اساس آمار مقالات نمایه شده مشاهده نمایید.
مدیریت اطلاعات پژوهشی
اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.
مقالات پیشنهادی مرتبط
- ردیابی هدف در دنباله ای از تصاویر ویدئویی مبتنی برشرایط رهگیری
- انتخاب نموده و بهینه سازی پارامترهای SVM با استفاده از الگوریتم جستجوی گرانشی باینری جهت تشخیص بیماری صرع
- استفاده از الگوریتم های داده کاوی در تشخیص اولیه بیماری پارکینسون در داده های متوازن
- بهینه سازی شبکه عصبی MLP به منظور تشخیص بیماریهای تیروئید توسط داده های بالینی
- تشخیص برجستگی عمومی تصویر با استفاده همزمان از ویژگی های سطح پایین و سطح بالا
مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.
مقالات مرتبط جدید
- بررسی و بهبود مکانیزم صف بندی در مدیریت فعال صف برای کاربردهای بیدرنگ
- بیا بازی: سیستم یکپارچه گفتاردرمانی برای کودکان دارای آسیب زبانی
- مروری بر فناوریهای صنعت بازیهای ویدیویی
- مخفی کردن اطلاعات تا استفاد از ویژگی های زبان فارسی
- تخصیص طیف رادیویی در شبکههای رادیوشناختی مبتنی بر روش بهینه سازی ازدحام ذرات PSO
مقالات فوق اخیرا در حوزه مرتبط با این مقاله به سیویلیکا افزوده شده اند.
شبکه تبلیغات علمی کشور
به اشتراک گذاری این صفحه
اطلاعات بیشتر درباره COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.