CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

ارائه روشی جدید جهت تشخیص بیماری آلزایمر مبتنی بر انتخاب ویژگیهای داده با استفاده از کد گذاری تنک

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۴ | تعداد نمایش خلاصه: ۲۲۸ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: IKMC07_548
زبان مقاله: فارسی
حجم فایل: ۶۶۵.۹۹ کیلوبایت (فایل این مقاله در ۱۴ 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 ۱۴ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله ارائه روشی جدید جهت تشخیص بیماری آلزایمر مبتنی بر انتخاب ویژگیهای داده با استفاده از کد گذاری تنک

  مرتضی تورانداز - دانشجوی کارشناسی ارشد، دانشکده علوم کامپیوتر و هوش مصنوعی، موسسه آموزش عالی روزبهان ساری، ایران.
محمد یوسف نژاد - دستیار پژوهش، دانشکده علوم و تکنولوژی کامپیوتر، دانشگاه هوا و فضای نانجینگ، چین.
  صابر نوریان - دانشجوی دکتری، دانشکده برق و الکترونیک، دانشگاه علم و صنعت ایران، ایران

چکیده مقاله:

در سالهای اخیر تشخیص بیماری آلزایمر به یکی از چالشبرانگیزترین مسائل در حوزه پزشکی تبدیل شده است. هدف از ارائه این مقاله، پیشنهاد روشی جهت بهبود دقت تشخیص بیماری آلزایمر مبتنی بر استفاده از کدگذاری تنک در انتخاب ویژگیهای مفید از نشانگرهای زیستی مختلف مغز انسان است. در این روش، ابتدا با استفاده از کدگذاری تنک ویژگیهایی که در طبقهبندی موجب کاهش دقت خواهند شد، حذف میشوند و سپس تشخیصبیماری آلزایمر با استفاده از روشهای مبتنی بر یادگیری چند هستهای انجام میگیرد. دادههای مورد بحث در این مقاله شامل افراد مبتلا به بیماری آلزایمر و افراد سالم میباشند. نتایج آزمایش نشان میدهد که دقت تشخیص بیماری آلزایمر با استفاده از روش پیشنهادی نسبت به روشهای پیشین بهبود چشمگیری پیدا کرده است

کلیدواژه‌ها:

طبقهبندی، کدگذاری تنک، ماشین بردار پشتیبان، MRI ، PET ، CSF

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-IKMC07-IKMC07_548.html
کد COI مقاله: IKMC07_548

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:
تورانداز, مرتضی؛ محمد یوسف نژاد و صابر نوریان، ۱۳۹۴، ارائه روشی جدید جهت تشخیص بیماری آلزایمر مبتنی بر انتخاب ویژگیهای داده با استفاده از کد گذاری تنک، هفتمین کنفرانس ملی و اولین کنفرانس بین المللی مدیریت دانش، تهران، موسسه اطلاع رسانی نفت، گاز و پتروشیمی، https://www.civilica.com/Paper-IKMC07-IKMC07_548.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: (تورانداز, مرتضی؛ محمد یوسف نژاد و صابر نوریان، ۱۳۹۴)
برای بار دوم به بعد: (تورانداز؛ یوسف نژاد و نوریان، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Apostolova, L. G., Hwang, K. S., Andrawis, J. P., Green, ...
  • Biao, J., Zhang, D., Gao, W., Wang, Q., Wee, C. ...
  • Brookmeyer, R, Johnson, E, Zi egler-Graham, K, and Arrighi, H. ...
  • Bouwman, F. H., van der Flier, W. M., S choonenboom, ...
  • Chang, C. C., Lin, C. J. (2001). "LIBSVM: a library ...
  • Chetelat, G., Desgranges, B., de la Sayette, V., Viader, F., ...
  • Convit, A., de Asis, J., de Leon, M. J., Tarshish, ...
  • Cuingnet, R., Gerardin, E., Tessieras, J., Auzias, G., Lehericy, S. ...
  • Feb. 17- 18, 2015 _ _ Conference Center Tehrar., Iran ...
  • ۲۹ بهمن ماه ۱۳۹۳ مر کز همابش های بیس السللی ...
  • de Leon, M. J., Mosconi, L.. Li, J., De Santi, ...
  • Escudero, J., Ifeachor, E.. Zajicek, J. P., Green, C., Shearer, ...
  • Fellgiebel, A., Scheurich, A., Bartenstein, P., Muller, M. J. (2007). ...
  • Hinrichs, C., Singh, V., Xu, G. F., Johnson, S. C. ...
  • Hinrichs, C., Singh, V., Xu, G. F., Johnson S. C. ...
  • Landau, S. M., Harvey, D., Madison, C. M., Reiman, E. ...
  • Mattsson, N., Zetterberg, H., Hansson, O., Andreasen, N., Parnetti, L, ...
  • Morris, J. C., Storandt, M., Miller, J. P., McKeel D. ...
  • Notestine, C., Roddey, J. C., Hagler, D. J. Jr., Holland. ...
  • Thompson, P. M., Apostolova L. G. (2007), _ Computational anatomical ...
  • Tibshirani, R. (1996). "Regression shrinkage and selection via the Lasso". ...
  • Vemuri, P., Wiste, H. J., Weigand, S. D., Shaw, L. ...
  • HKS : a novel multiple kernel learning algorithm". IEEE Trans ...
  • Wee, C. Y., Yap, P. T., Zhang D. Q., Denny, ...
  • Wee, C. Y., Yap, P. T., Zhang, D. Q., Wang, ...
  • Ye, J. P., Wu, T., Li, J. Chen, K. W. ...
  • Zhang, D., Wang, Y., Zhou, L., Yuan, H., Shen, D. ...
  • Feb. 17- 18, 2015 _ _ Conference Center Tehrar., Iran ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: موسسه غیرانتفاعی
    تعداد مقالات: ۷۵۷
    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

    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.