CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

تشخیص بیماری دیابت با استفاده از الگوریتم SVM

اعتبار موردنیاز: ۱ | تعداد صفحات: ۴ | تعداد نمایش خلاصه: ۲۹۰۱ | نظرات: ۰
سرفصل ارائه مقاله: مهندسی پزشکی
سال انتشار: ۱۳۹۰
نوع ارائه: شفاهی
کد COI مقاله: ISCEE14_071
زبان مقاله: فارسی
حجم فایل: ۱۸۹.۵ کلیوبایت (فایل این مقاله در ۴ 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. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۴ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله تشخیص بیماری دیابت با استفاده از الگوریتم SVM

  محمدرضا نعیم ابادی - دانشگاه آزاد اسلامی واحد شهرمجلسی، باشگاه پژوهشگران جوان ، اصفهان،
  نوشاز امیراحمدی چماچار - دانشگاه آزاد اسلامی واحد رشت، باشگاه پژوهشگران جوان، رشت، گیلان، ای
  احسان تهامی - عضو هیأت علمی، دانشگاه آزاد اسلامی واحد مشهد، گروه مهندسی پزشکی، مش
  حسین ربانی - استادیار گروه فیزیک و مهندسی پزشکی دانشگاه علوم پزشکی اصفهان

چکیده مقاله:

یکی از مشکلات اساسی مربوط به بیماران مبتلا به دیابت نوع 2 عدم تشخیص صحیح این بیماری است که در نتیجه این اشتباه درتشخیص و یا عدم تشخیص در مراحل ابتدایی، فرد حتی ممکن است به عوارضی همچون کم بینایی یا نابینایی، از بین رفتن کلیه ها و قطع انگشتان پا گردد. از این رو در این مقاله سعی شده است تا با استفاده از الگوریتم SVM تشخیص صحیح بیماری میسر شود. تعداد داده های مورد استفاده در این مقاله 768 داده است. این داده ها شامل 8 ویژگی است که هریک بیان کننده مشخصه ای پزشکی مربوط به وضعیت فرد سالم وبیمار مبتلا به دیابت است. نتایج، نشان دهنده صحت بالاتر روش پیشنهادی در این مقاله در مقایسه با سایر روش های هوشمند مورد استفاده تاکنون جهت تشخیص بیماری دیابت می باشد

کلیدواژه‌ها:

بیماری دیابت، حداکثر سیستم هوشمند، ماشین بردار پشتیبانی SVM.

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-ISCEE14-ISCEE14_071.html
کد COI مقاله: ISCEE14_071

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:
نعیم ابادی, محمدرضا؛ نوشاز امیراحمدی چماچار؛ احسان تهامی و حسین ربانی، ۱۳۹۰، تشخیص بیماری دیابت با استفاده از الگوریتم SVM، چهاردهمین کنفرانس دانشجویی مهندسی برق ایران، کرمانشاه، دانشگاه کرمانشاه، سازمان علمی دانشجویی مهندسی برق کشور، https://www.civilica.com/Paper-ISCEE14-ISCEE14_071.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: (نعیم ابادی, محمدرضا؛ نوشاز امیراحمدی چماچار؛ احسان تهامی و حسین ربانی، ۱۳۹۰)
برای بار دوم به بعد: (نعیم ابادی؛ امیراحمدی چماچار؛ تهامی و ربانی، ۱۳۹۰)
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 :

  • World Health Organization, Diabetes Center, Fact SheetNY312 WWW. who. int/media ...
  • Centers for Disease Control and Prevention, National Diabetes Fact Sheet ...
  • Siti Fahanah Bt Jaafar and Darmawaty Mohd Ali, "Diabetes Mellitus ...
  • سید احسان تهامی، محمد علی خلیل زاده، ء تشخیص هوشمند ... (مقاله کنفرانسی)
  • Y. Jiang and Z. Zhou, "Editing Training Data for kNN ...
  • سید احسان تهامی، سید مهدیار بامشکی و محمد علی خلیل ... (مقاله کنفرانسی)
  • Newman, D.J. , Hettich, S.Blake, C.L.S., & Merz, C.J., 1998. ...
  • Steve R. Gun, "Support Vector Machines for Classificatioh and Regression:, ...
  • V. Vapnik, S. Golowich, and A. Smola. "Support vector method ...
  • E. Osuna, R. Freund, and F. Giros. "An improved training ...
  • Paul A. Jensen and Jonathan F. Bard, :Nonlinear Programming Programming" ...
  • کدام مقالات به این منبع استناد نموده اند

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۵۲۳
    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.