تشخیص بیواری قلبی با استفاده از الگوریتم LOLIMOT
Publish place: National Conference on Computer Science and Engineering
Publish Year: 1391
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,160
This Paper With 5 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:
NCCSE01_136
تاریخ نمایه سازی: 9 بهمن 1392
Abstract:
استفاده از روش های هوشمند جهت تشخیص بیماری از مواردی است که در سالهای اخیر توجه بسیاری از پژوهشگران را به خود جلب نموده است. طبقه بندی داده ها (classification) یکی از حوزه های مهم در داده کاوی (Data mining) به شمار می رود. طبقه بندی به وسیله روشهای هوشمند تا کنون توانسته است کمک های فراوانی در زمینه تشخیص بیماری به پزشکان و بیماران ارائه نماید. از میان روشهای متفاوتی که برا طبقه بندی ارائه شده اند، روهای ارائه شده مبتنی بر شبکه های عصبی (Artificial Neural Network) توفیقی زیادی حاصل نموده اند، متداول ترین روش آموزشی شبکه های عصبی روش پس انتشار خطا (Error Back Propagation) است که همگرایی کند و توقف در نقاط بهینه محلی از مهم ترین نقاط ضعف آن محسوب می شود، همچنین مشکل استفاده از سیستم استنتاج تطبیق عصبی فازی ANFIS تعیین تعداد قوانین فازی از ابتدا می باشد. در این مقاله با استفاده از الگوریتم LOLIMOT، داده های تشخیص بیماری قلبی از روی تصاویر SPECT به دو کلاس نرمال و غیرنرمال طبقه بندی می گردند، نتایج نشان می دهند که الگوریتم LOLIMOT در اکثر موارد قابلیت چشمگیری در تشخیص صحیح بیماری قلبی دارد.
Keywords:
Authors
مهدی مزروعی سبدانی
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد ساری
همایون موتمنی
استادیار دانشگاه آزاد اسلامی واحد ساری
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 :