معرفی روشی جدید به منظور تعیین و بیان میزان بیماری دیابت در بیماران مبتنی بر رگرسیون خطی بر اساس منطق فازی

سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 938

فایل این مقاله در 8 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:

ICNMO01_242

تاریخ نمایه سازی: 19 اسفند 1391

چکیده مقاله:

تشخیص به موقع بیماری دیابت بهطور چشمگیری صدمات و آسیبهای ناشی از این بیماری را در جامعه کاهش میدهد. شاید بتوان از مهمترین مشکلات روشهای تشخیص این بیماری خصوصاً در مراحل ابتدایی ،عدم در نظر گرفتن ویژگیهای مناسب به منظور تشخیص و در نتیجه ضعف در شناسایی بیماری را نام برد . در این تحقیق سعی شد تا با استفاده از ترکیب روشهای هوشمند مصنوعی از قبیل سیستم های دقیقFuzzy) بمنظور تصمیم گیری آنی و صحیح، فضای حالتی جدید از بیماران بمنظور تعیین میزان دیابتی بودن یا سالم بودن افراد به صورت فازی بیان شود. سپس در نتیجه اعمال ورودیها و خروجی ها ی سیستم فازی ، سطح فیزیکیSurface)بین ورودیهای سیستم فازی (میزان گلوگز ناشتاFBSو شاخص جرم بدن BMI و خروجیهای ذکر شده سیستم فازی (میزان فازی سالم یا بیمار بودن هر بیمار)، بدست می آید . سپس توسط ابزاری که بر اساس رگرسیون خطی تعریف شدهاند، یک معادله چند جملهایی، برای مدل سازی، ش ناسایی ساختار، شناسایی پارامتر، روشی نو بهمنظور تشخیص صحیح و فازی این بیماری معرفی کنیم . سیستم پیشنهادی با استفاده از ترکیب روشهای مذکور موفق شد با تکیه بر ویژگیهای پایگاه داده در قالب ترکیب و تعامل به دقت شناسایی 89.91 % دست یابد که در مقایسه با روشهای رایج از یکطرف و روشهای مصنوعی از طرف دیگر در مراجع مذکور در نوع خود مناسب و بسیار سریعتر از سایر روش های ترکیبی هوشمند عملکرد داشته است که میتوان به دقت و برتری آن پی برد

نویسندگان

محمد فیوضی

بخش مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه حکیم سبزوار

سیدکمال الدین موسوی مشهدی

گروه نهندسی برق-کنترل، دانشگاه علم و صنعت ایران، دانشکده مهندسی برق

جواد حدادنیا

بخش مهندسی پزشکی، دانشکده مهندسی برق و کامپیوتر، دانشگاه حکیم سبزوار

نسرین ملانیا

بخش بیوشیمی، گروه زیست شناسی، دانشکده علوم پایه، دانشگاه حکیم سبزوار

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 :
  • [] سید احسان تهامی، س. م. بامشکی، م. ع. خلیل ...
  • [] محمد رضا نعم آبادی، ن.احمدی _ ا. تهامی و ...
  • Emirhan Gilcin , Adem Karahoca, Adem Karahoca, " [20] [] ...
  • [] محمد فیوضی، اعظم قره‌خانی و جواد حدادنیا، "ارائه یک ... [مقاله کنفرانسی]
  • [] محمد علیپور، ج. حدادنیا، "معرفی یک سیستم دقیق تشخیص ...
  • پیاده سازی سخت افزاری کنترل کننده های فازی با استفاده از روش مبتنی بر رگرسیون خطی [مقاله کنفرانسی]
  • [] فروند، جان، " آمار ریاضی"، ترجمه علی عمیدی و ...
  • L.I. Kuncheva; J.C. Bezdek; R.P.W. Duin, :Decision templates for multiple ...
  • Bi. Yaxin; Bell. David; Wang. Hui; Guo. Gongde; Guan. Jiwen, ...
  • L.I. Kuncheva, Combining Pattern Classifiers, Methods and Algorithms , New ...
  • S. Tulyakov; S. Jaeger; V. Govindaraju; D. Doermann, :Review of ...
  • M. Sugeno, "Industrial Applications of Fuzzy Control", Elsevier, Book, New ...
  • F. Bergh and A. Engelbrecht, _ lo _ allyconvergent particle ...
  • J.Kittler; M.Hatef; R.Duin P. W; J.Matas, "On Combining Classifiers", IEEE ...
  • S. Tulyakov; S. Jaeger; V. Govindaraju; D. Doermann, "Review of ...
  • Wioletta Szajnar, Galina Setlak, " A CONCEPT OF DESIGN PROCESS ...
  • Shantakumar B.Patil, Y. S _ Kumaraswamy, "Intelligent and Effective Heart ...
  • Classificatioh Method for Diagnosis of Diabetes Mellitus Using Artificial Neural ...
  • K.Rajeswari, V .Vaithiyanathan , "Fuzzy based modeling for diabetic diagnostic ...
  • Esin Dogantekin, Akif Dogantekin, Derya Avci, Levent Avci, _ An ...
  • Kemal Polat, Salih Gine.s, 1 An expert system approach based ...
  • Internationa Conference _ Nonlinear Modeling & Optimization 28-29 Aug. 2012, ...
  • neuro-fuzzy inference system to diagnosis of diabetes disease", Digital Signal ...
  • Dosage planning for diabetes patients using data mining methods", Procedia ...
  • Asma A. AlJarullah, King Saud University, " Decision Tree Discovery ...
  • April Rose C. Semogan, Bobby D. Gerardo, Bartolome T. Tanguilig ...
  • Jensen R." Combining rough and fuzzy sets for feature selection. ...
  • Xiang, T. and S. Gong, " Spectral clustering with eigenvector ...
  • نمایش کامل مراجع