تشخیص بیماری پارکینسون با استفاد از اطلاعات حرکتی از طریق وگاشت شبک عصبی پس انتشار خطا(BP) و یادگیری ماشین
محل انتشار: سومین کنگره بین المللی فن آوری، ارتباطات و دانش
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 647
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICTCK03_089
تاریخ نمایه سازی: 10 تیر 1396
چکیده مقاله:
پارکینسون بیماری اختلال حرکتی مزمن و همیشه در حال پیشرفت می باشد و تشخیص این بیماری به خصوص در مراحل اولیه اغلب دشوار است. در این مقاله، ویژگی های حرکتی افراد در استفاده از کامپیوتر با کمک نرم افزار Fitts Law استخراج شده و با نگاشت شبکه عصبی پس انتشار خطا به علایم بیماری پارکیسون تبدیل شده است. سپس از چهار طبقه بند درخت تصمیم 4.5c، ماشین بردار پشتیبان، شبکه بیزین و k نزدیک ترین همسایه برای پشتیبانی از متخصصین جهت تشخیص این بیماری استفاده شده است. روش ارایه شده صحت طبقه بندی قابل قبولی را از طریق آنالیز روش K-fold CV با بالاترین صحت 94.44% و میانگین 85.53% بعد از نگاشت شبکه عصبی پس انتشار خطا به کمک طبقه بند درخت تصمیم 4.5c در طی 5 بار اجرای فرایند fold CV-5 بدست آورده است. هدف این مقاله ارایه روشی ساده و کم هزینه می باشد. آزمایش های انجام شده بهبود تشخیص بیماری پارکینسون را در روش ارایه شده نشان می دهد.
کلیدواژه ها:
تشخیص بیماری پارکینسون ، درخت تصمیم 4.5 c ، شبکه عصبی پس انتشار ، ماشین بردار پشتیبان ، k نزدیک ترین همسایه ، درخت تصمیم 4.5c ، شبکه بیزین
نویسندگان
هاجر نیک اندیش
فارغ التحصیل کارشناسی ارشد، گروه کامپیوتر - موسسه آموزش عالی سلمان مشهد- ایران
اسماعیل خیرخواه
استادیار و مدیر کل مرکز فناوری اطلاعات و ارتباطات دانشگاه آزاد اسلامی واحد مشهد - 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 :