هادی ویشکی نژاد - کارشناسی ارشد مهندسی نرم افزار دانشگاه آزاد اسلامی واحد رشت
محمدحسین موذن رضامحله - کارشناسی ارشد مهندسی نرم افزار دانشگاه آزاد اسلامی واحد رشت

مقدار گسترده از اطلاعات در حال حاضر برای متخصصان بالینی در دسترس است، از جزییات علایم بالینی گرفته تا انواع مختلف داده بیوشیمیایی و خروجی های دستگاه های تصویربرداری. هر نوع داده اطلاعاتی رافراهم می کند که باید مورد ارزیابی قرار گرفته و در طی فرآیند تشخیص به یک پاتولوژی خاص اختصاص داده شود. برای ساده کردن روند تشخیص در روال روزمره و اجتناب از تشخیص نادرست، روش های هوش مصنوعی (به ویژه تشخیص به کمک کامپیوتر و شبکه های عصبی مصنوعی) می توانند بکار گرفته شوند. این الگوریتم های یادگیری تطبیقی می توانند انواع متنوعی از داده های پزشکی را مدیریت کرده و آنها را درخروجی های طبقه بندی شده ادغام کنند. در این مقاله، ما به طور خلاصه به بررسی و بررسی فلسفه، توانمندی ها، و محدودیت های شبکه های عصبی مصنوعی در تشخیص پزشکی از طریق نمونه های انتخابی می پردازیم.

تشخیص پزشکی؛ هوش مصنوعی؛ شبکه های عصبی مصنوعی؛ سرطان؛ بیماری های قلبی عروقی؛ دیابت