سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

تشخیص بیماری دیابت با استفاده از الگوریتم SVM

Publish Year: 1390
Type: Conference paper
Language: Persian
View: 4,241

متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دانلود نمایند.

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ISCEE14_071

Index date: 22 August 2011

تشخیص بیماری دیابت با استفاده از الگوریتم SVM abstract

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

تشخیص بیماری دیابت با استفاده از الگوریتم SVM Keywords:

بیماری دیابت , حداکثر سیستم هوشمند , ماشین بردار پشتیبانی SVM

تشخیص بیماری دیابت با استفاده از الگوریتم SVM authors

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 هیات علمی، دانشگاه آزاد اسلامی واحد مشهد، گروه مهندسی پزشکی، مش

حسین ربانی

استادیار گروه فیزیک و مهندسی پزشکی دانشگاه علوم پزشکی اصفهان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
سید احسان تهامی، محمد علی خلیل زاده، ء تشخیص هوشمند ...
سید احسان تهامی، سید مهدیار بامشکی و محمد علی خلیل ...
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 ...
Y. Jiang and Z. Zhou, "Editing Training Data for kNN ...
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" ...
نمایش کامل مراجع

مقاله فارسی "تشخیص بیماری دیابت با استفاده از الگوریتم SVM" توسط 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 هیات علمی، دانشگاه آزاد اسلامی واحد مشهد، گروه مهندسی پزشکی، مش؛ حسین ربانی، استادیار گروه فیزیک و مهندسی پزشکی دانشگاه علوم پزشکی اصفهان نوشته شده و در سال 1390 پس از تایید کمیته علمی چهاردهمین کنفرانس دانشجویی مهندسی برق کشور پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله بیماری دیابت، حداکثر سیستم هوشمند، ماشین بردار پشتیبانی SVM هستند. این مقاله در تاریخ 31 مرداد 1390 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 4241 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که 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 ... . این مقاله در دسته بندی موضوعی دیابت طبقه بندی شده است. برای دانلود فایل کامل مقاله تشخیص بیماری دیابت با استفاده از الگوریتم SVM با 4 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.