تشخیص بیماریهای غده تیرویید با استفاده از یک شبکه عصبی– فازی ترکیبی مبتنی بر تحلیل تفکیککننده خطی
Publish place: 14th Iranian conference on Biomedical Engineering
Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 2,299
This Paper With 8 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:
ICBME14_104
تاریخ نمایه سازی: 3 تیر 1387
Abstract:
غده تیرویید یکی از مهمترین غدد درو نریز بدن است که دو هورمون بنام تیروکسین و تری یدوتیرونین تولید می کند. این هورمونها تاثیر شدیدی بر روی بسیاری از ارگانهای اساسی و متابولیسم بدن دارند. بطرری که عدم تشخیص به موقع عملکرد غی رطبیعی تیرویید، می تواند عوارض جبران ناپذیری برای بیمار در پی داشته باشد و منجر به مرگ وی گردد. بنابراین تشخیص بهنگام و صحیح بی نظمی های تیرویید بر پایه تستهای آزمایشگاهی و علایم بیماری امری حیاتی است. تاکنون روشهای زیادی برای تشخیص بیماریهای غده تیرویید بکار گرفته شده اند. در اینجا از یک روش هوشمند ترکیبی بنام شبکه عصبی –فازی برپایه تفکیک کننده خطی (LDA) استفاده می کنیم که قابلیت استخراج قواعد فازی بصورت خودکار را دارد. پارامترهای شبکه که شامل پارامترهای مقدمه و تالی هستند با روش پس انتشار خطا (گرادیان نزولی) آموزش می بینند. از آنجایی که در داده های موجود تعداد ویژگیها بسیار زیاد است. برای جلوگیری از پیچیدگی شبکه از روش تحلیل تفکیک کننده خطی برای کاهش ابعاد فضای ورودی استفاده شده است که در آن با نگاشت داده های تیرویید به فضای جدید، ابعاد فضا کاهش می یابد. الگوریتم پیشنهادی با استفاده از سه دسته داده تیرویید ارزیابی شده است .نرخ بازشناسی الگوریتم پیشنهادی با بیشینه نرخ بازشناسی سایر دسته بندی کننده ها قابل مقایسه است.
Keywords:
Authors
نصرت اله فرقانی
دانشگاه صنعتی خواجه نصیرالدین طوسی
محمد تشنه لب
دانشگاه صنعتی خواجه نصیرالدین طوسی
حمید ابریشم یمقدم
دانشگاه صنعتی خواجه نصیرالدین طوسی
منوچهر نخجوانی
دانشگاه علوم پزشکی تهران
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 :