تشخیص هوشمند بیماری دیابت مبتنی بر ترکیب و تعامل الگوریتمهای رمزنگاری ، الگوریتمهای تکاملی و شبکههای مصنوعی عصبی
Publish place: National Conference on Application of Intelligent Systems (soft computing) in Science and Technology
Publish Year: 1392
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,743
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISST01_226
تاریخ نمایه سازی: 5 مرداد 1392
Abstract:
در این مقاله روش جدیدی برای تشخیص بیماری دیابت ارائه شده است چراکه یکی از مشکلات اساسی مربوط به این بیماری عدم تشخیص بهموقع و صحیح این بیماری است. تشخیص بیماری دیابت بهطور چشم گیری صدمات و آسیبهای ناشی از این بیماری را در جامعه کاهش میدهد. از مهم ترین چالشهای پیش روی تشخیص این بیماری خصوصاً در مراحل ابتدایی عدم در نظر گرفتن ویژگیهای مناسب به منظور تشخیص و در نهایت ضعف در شناسایی بیماران میباشد. امروزه پزشکان بیش از هر چیز با تکیه بر تجربیات و دانستههای 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؛ الگوریتم پردازش سیگنال –موجک (Haar-Wavelet) به منظور کد کردن (رمز نگاری) نتایج و دادههای بیماران، الگوریتمهای تکاملی (BPSO) به منظور انتخاب بهترین جواب و شبکههای عصبی مصنوعی (Artificial Neural Network) به منظور برآورد، آموزش، انطباق و 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 % 91.86 دست یابد. روشهای حاضر علی رغم دقت بالا، شاید هزینه بر و مطئناً وقت گیر میباشند؛ که با مقایسه این روش با روشهای مذکور به دقت و کارایی آن پی خواهیم برد.
Keywords:
Authors
محمد فیوضی
بخش مهندسی پزشکی، گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دا
اعظم قره خانی
بخش کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه آزاد اسلامی واحد علوم و تحق
خسرو رضایی
بخش مهندسی پزشکی، گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دا
جواد حدادنیا
بخش مهندسی پزشکی، گروه مهندسی برق، دانشکده مهندسی برق و کامپیوتر، دا
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 :