CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ترکیب ویژگی ها تشخیصی جهت بهبود دقت در تشخیص سرطان پروستات با استفاده از شبکه عصبی LM

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۹ | نظرات: ۰
سال انتشار: ۱۳۹۷
کد COI مقاله: ICSCE02_014
زبان مقاله: فارسی
حجم فایل: ۴۷۷.۶۲ کیلوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

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.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ترکیب ویژگی ها تشخیصی جهت بهبود دقت در تشخیص سرطان پروستات با استفاده از شبکه عصبی LM

  وحید زرین افشان - کارشناسی ارشد مهندسی کامپیوتر- هوش مصنوعی، دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران
  ایمان عطارزاده - استادیار گروه مهندسی کامپیوتر، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران مرکزی، تهران، ایران

چکیده مقاله:

سرطان پروستات به عنوان یکی از بیماری های کشنده و شایع در جنس مذکر شناخته شده و تشخیص به موقع آن می تواند باعث بهبود فرآیند درمانی، کاهش هزینه ها و مرگ و میر احتمالی شود. امروزه از تکنیک های هوش مصنوعی در تشخیص سرطان پروستات بسیار استفاده شده و بر این اساس استفاده از تکنیک ها، مدل ها و روش هایی که با دقت بیشتری فرآیند تشخیص را نتیجه دهد مطلوب است. در این پژوهش ویژگی ها تشخیصی دیتاست مورد بررسی استخراج و پس از اعمال نظر فرد خبره تعداد ویژگی ها از 11 مورد به 3 مورد کاهش یافته و جهت افزایش دقت ویژگی میزان بزرگی ناحیه پروستات حاصل از پردازش تصویر با سه ویژگی استخراجی ترکیب و 4 ویژگی تشخیصی به شبکه عصبی LM به عنوان ورودی ارائه شده است. در شبکه عصبی LM با یازده ویژگی میزان صحت 79./ % و میزان حساسیت 76 % بوده است و با چهار ویژگی پیشنهادی میزان صحت 83 % و میزان حساسیت 89 % تغییر یافت. نتایج طبقه بندی در سه کلاس خوش خیم، بدخیم و سالم نشان داده که ترکیب ویژگی ها میزان صحت را 3.7 % و میزان حساسیت 12.8 % بهبود بخشیده است.

کلیدواژه‌ها:

سرطان پروستات، ترکیب ویژگی ها، حساسیت، صحت، شبکه عصبی LM

کد 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-ICSCE02-ICSCE02_014.html
کد COI مقاله: ICSCE02_014

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:
زرین افشان, وحید و ایمان عطارزاده، ۱۳۹۷، ترکیب ویژگی ها تشخیصی جهت بهبود دقت در تشخیص سرطان پروستات با استفاده از شبکه عصبی LM، دومین کنفرانس بین المللی پژوهش های کاربردی در علوم برق و کامپیوتر، اردبیل، دانشگاه علمی کاربردی پارس آباد 1- موسسه صنعت برق، https://www.civilica.com/Paper-ICSCE02-ICSCE02_014.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: (زرین افشان, وحید و ایمان عطارزاده، ۱۳۹۷)
برای بار دوم به بعد: (زرین افشان و عطارزاده، ۱۳۹۷)
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:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: ۱۰۶۹۷
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

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • علوم پزشکی > سرطان
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    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.