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

بررسی روش های مختلف کلاسبندی بر پایه هوش مصنوعی جهت طبقه بندی نوع بدخیمی لنف های سرطانی

عنوان مقاله: بررسی روش های مختلف کلاسبندی بر پایه هوش مصنوعی جهت طبقه بندی نوع بدخیمی لنف های سرطانی
شناسه ملی مقاله: ICIRES05_021
منتشر شده در پنجمین کنفرانس بین المللی نوآوری و تحقیق در علوم مهندسی در سال 1398
مشخصات نویسندگان مقاله:

میلاد اسدنژاد - دانشگاه آزاد اسلامی واحد تبریز،
سپهر سرابی - دانشگاه آزاد اسلامی واحد تبریز
سامان راجبی - موسسه آموزش عالی سراج

خلاصه مقاله:
متاستاز لنفاوی و لنف بدخیم از جمله بیماری هایی هستند که در صورت تشخیص دیر هنگام می توانند باعث ایجاد سرطان خون شوند، اما تشخیص به موقع تاثیر زیادی در معالجه آنها دارد. در این مقاله از داده های جمع آوری شده از لنفوگرام برای طبقه بندی آنها با استفاده از چهار روش مختلف استفاده شده است که شامل روش بیزین، روش نزدیکترین همسایه ( KNN )، شبکه عصبی پرسپترون و شبکه عصبی توابع پایه شعاعی ( RBF ) می باشد، که در آن روش بیزین و روش KNN به عنوان روش های قدیمی شناخته می شوند و شبکه عصبی یک روش جدیدی است. در روش KNN با تغییر مقدار K ، در روش شبکه عصبی پرسپترون با تغییر تعداد نورون ها و نوع تابع تبدیل و در شبکه عصبی RBF با تغییر تعداد توابع پایه شعاعی نرخ صحیح طبقه بندی ( CCR ) تغییر می یابد که با توجه به داده ها و طبقه بندی های موجود در هر روش و مقایسه زمان ها و نتایج به دست آمده، روش شبکه عصبی RBF وپرسپترون می تواند مطلوب ترین پاسخ را برای طبقه بندی داده ها انجام دهد و روش KNN طبقه بندی را در سریع ترین زمان ممکن انجام می دهد.

کلمات کلیدی:
بیزیین، شبکه عصبی مصنوعی، طبقه بندی، لنفوگرافی، نزدیکترین همسایه

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1001704/