ارائه یک سیستم ترکیبی هوشمند به منظور تشخیص بیماری دیابت
Publish place: 20th Iranian Conference on Electric Engineering
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 2,068
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ICEE20_542
Index date: 4 August 2012
ارائه یک سیستم ترکیبی هوشمند به منظور تشخیص بیماری دیابت abstract
در این تحقیق روش جدیدی برای تشخیص بیماری دیابت ارائه شده است. یکی از مشکلات اساسی مربوط به این بیماری عدم تشخیص، بموقع و صحیح آن میباشد. امروزه پزشکان بیش از هر چیز با تکیه بر تجربیات و دانسته های خود، آزمایشات پیچیده و وقت گیر به این بیماری پی میبرند. با این وجود خطاهای انسانی اجتناب ناپذیر است؛ در این تحقیق دادههای 768 نفر زن با 8 ویژگی مورد ارزیابی قرار گرفت. با استفاده از فرآیندهای پردازش و هوش مصنوعی شامل؛(SVMبه منظور کاهش و مدیریت داده، الگوریتمهای تکاملیBPSO برای انتخاب بهترین جواب، سیستمهای دقیقFuzzy)برای افزایش دقت، سرعت، صحت الگوریتم تکاملی؛ و شبکههای مصنوعی عصبی Neural Networkبه منظور برآورد، آموزش، انطباق پذیری، یادگیری ماشینی؛ در جهت شناسایی و تشخیص این بیماری استفاده شده است. سیستم پیشنهادی با استفاده از ترکیب روشهای مذکور موفق شد با تکیه بر ویژگیهای پایگاه داده در قالب ترکیب و تعامل به دقت شناسایی 95.81 % دست یابد. روشهای حاضر علی رغم دقت بالا، هزینهبر و وقت گیر میباشند؛ که با مقایسه این روش با روشهای مذکور به دقت و کارایی آن پی خواهیم برد
ارائه یک سیستم ترکیبی هوشمند به منظور تشخیص بیماری دیابت Keywords:
ارائه یک سیستم ترکیبی هوشمند به منظور تشخیص بیماری دیابت authors
محمد فیوضی
دانشگاه حکیم سبزواری، دانشکده مهندسی برق و کامپیوتر، بخش مهندسی پزشک
اعظم قره خانی
دانشگاه آزاد اسلامی واحد علوم و تحقیقات خراسان رضوی(نیشابور)، دانشکد
جواد حدادنیا
دانشگاه حکیم سبزواری، دانشکده مهندسی برق و کامپیوتر، بخش مهندسی پزشک
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 :