طراحی شبکه عصبی MLP و سیستم استنتاج فازی جهت تشخیص متاستاز در کبد و مقایسه کارایی آنها
Publish place: The first international conference of modern research engineers in electricity and computer
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 1,032
This Paper With 10 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:
CBCONF01_0623
Index date: 6 September 2016
طراحی شبکه عصبی MLP و سیستم استنتاج فازی جهت تشخیص متاستاز در کبد و مقایسه کارایی آنها abstract
روش های یادگیری ماشین، با قابلیت یادگیری و آموزش سیستم، از توانایی بالایی در طراحی سیستم های هوشمندپزشکی و غیر پزشکی به منظور طبقه بندی برخوردارند. عدم دقت و عدم قطعیت موجود در مسائل پزشکی، نیاز به طراحیسیستم های کمک تشخیص پزشکی را آشکار می کند. در این پژوهش هدف طراحی سیستم های کمک تشخیص پزشکی،با بهره گیری از روش های شبکه عصبی چندلایه (MLP) و سیستم استنتاج فازی جهت تشخیص متاستاز در کبد میباشد. نتایج عملکرد سیستم با تشخیص پزشکان در زمینه پیش بینی بیماری متاستاز در کبد با بهره گیری از گزارش هایتهیه شده توسط رادیولوژیست بر اساس تصاویر CT Scan مقایسه شده است. صحت عملکرد میانگین روش های اعمالشده برابر 93 در صد می باشد، و از قالیت اطمینان بالایی جهت تشخیص متاستاز در کبد برخوردار است. سیستم طراحیشده در این مقاله می تواند به عنوان یک سیستم کمک تشخیص پزشکی و به عنوان نظر دوم در تشخیص برای پزشکانمورد استفاده قرار گیرد.
طراحی شبکه عصبی MLP و سیستم استنتاج فازی جهت تشخیص متاستاز در کبد و مقایسه کارایی آنها Keywords:
طراحی شبکه عصبی MLP و سیستم استنتاج فازی جهت تشخیص متاستاز در کبد و مقایسه کارایی آنها authors
بنفشه امیرحسینی
دانشجوی کارشناسی ارشد، گروه هوش مصنوعی، دانشکده فنی و مهندسی، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران
راحیل حسینی
دکتری، گروه مهندسی کامپیوتر، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران
مهدی مزینانی
دکتری، گروه مهندسی برق الکترونیک، واحد شهرقدس، دانشگاه آزاد اسلامی، تهران، ایران
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 :