ارائه یک روش هوشمند برای پیش بینی روند درمان ، ارائه روش درمان و انتخاب موثرترین پارامترهای درمانی در بیماری سرطان مری با استفاده از ترکیب شبکه های عصبی و الگوریتم ژنتیک
عنوان مقاله: ارائه یک روش هوشمند برای پیش بینی روند درمان ، ارائه روش درمان و انتخاب موثرترین پارامترهای درمانی در بیماری سرطان مری با استفاده از ترکیب شبکه های عصبی و الگوریتم ژنتیک
شناسه ملی مقاله: NCSCIT01_058
منتشر شده در اولین کنفرانس ملی محاسبات نرم و فن آوری اطلاعات در سال 1389
شناسه ملی مقاله: NCSCIT01_058
منتشر شده در اولین کنفرانس ملی محاسبات نرم و فن آوری اطلاعات در سال 1389
مشخصات نویسندگان مقاله:
هادی زاهدی - دانشجوی کارشناسی ارشد برق کنترل ، دانشگاه آزاد اسلامی واحد گناباد
ناصر مهرشاد - استادیار گروه الکترونیک دانشگاه بیرجند
کاظم انوری - استادیار دانشگاه علوی پزشکی مشهد
خلاصه مقاله:
هادی زاهدی - دانشجوی کارشناسی ارشد برق کنترل ، دانشگاه آزاد اسلامی واحد گناباد
ناصر مهرشاد - استادیار گروه الکترونیک دانشگاه بیرجند
کاظم انوری - استادیار دانشگاه علوی پزشکی مشهد
در سال های اخیر استفاده از شبکه های عصبی مصنوعی در پیش بینی اثرات متغیرهای مختلف روی یک متغیر خاص و مدل کردن روابط (پیچیده ی) این متغیرها با یکدیگر مورد توجه قرار گرفته سات.در این تحقیق , ابتداد از شبکه های عصبی مصنوعی برای پیش بینی نتایج درمان بیماری سرطان مری به روش کموتراپی و رادیو تراپی نئوجانت و سپس جراحی , در بیماران مبتلا به اسکوآموس کارسینومای مری استفاده شده است.در مرحله ی بعد با استفاده از ترکیب شبکه ی عصبی و الگوریتم ژنتیک , روشی برای انتخاب موثرترین پارامتر درمانی از بین مجموعه ای از عوامل پیشنهادی تاثیر گذار بر روند درمان ارائه شده است.در انتها شبکه های عصبی برای ارائه روش درمان به کار گرفته اشده است.در انتها شبکه های عصبی برای ارائه درمان به کار گرفته شده است .نتایج پیاده سازی نشان می دهد که شبکه ی عصبی در حد رضایت بخشی قادر به پیش بینی روند درمان بیماری سرطان است.همچنین نتایج حاصل از روش ارائه شده برای انتخاب موثرترین پارامترها بر روند درمان از بین شانزده پارامتر پیشنهاد شده ، عمدتاً با نظریات پزشکان متخصص در این زمینه سازگار هستند.
کلمات کلیدی: الگوریتم ژنتیک , رون درمان , سرطان مری , شبکه های عصبی مصنوعی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/132763/