سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

تشخیص بیماری پارکینسون با استفاد از اطلاعات حرکتی از طریق وگاشت شبک عصبی پس انتشار خطا(BP) و یادگیری ماشین

Publish Year: 1395
Type: Conference paper
Language: Persian
View: 723

This Paper With 8 Page And PDF Format Ready To Download

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

Export:

Link to this Paper:

Document National Code:

ICTCK03_089

Index date: 1 July 2017

تشخیص بیماری پارکینسون با استفاد از اطلاعات حرکتی از طریق وگاشت شبک عصبی پس انتشار خطا(BP) و یادگیری ماشین abstract

پارکینسون بیماری اختلال حرکتی مزمن و همیشه در حال پیشرفت می باشد و تشخیص این بیماری به خصوص در مراحل اولیه اغلب دشوار است. در این مقاله، ویژگی های حرکتی افراد در استفاده از کامپیوتر با کمک نرم افزار Fitts Law استخراج شده و با نگاشت شبکه عصبی پس انتشار خطا به علایم بیماری پارکیسون تبدیل شده است. سپس از چهار طبقه بند درخت تصمیم 4.5c، ماشین بردار پشتیبان، شبکه بیزین و k نزدیک ترین همسایه برای پشتیبانی از متخصصین جهت تشخیص این بیماری استفاده شده است. روش ارایه شده صحت طبقه بندی قابل قبولی را از طریق آنالیز روش K-fold CV با بالاترین صحت 94.44% و میانگین 85.53% بعد از نگاشت شبکه عصبی پس انتشار خطا به کمک طبقه بند درخت تصمیم 4.5c در طی 5 بار اجرای فرایند fold CV-5 بدست آورده است. هدف این مقاله ارایه روشی ساده و کم هزینه می باشد. آزمایش های انجام شده بهبود تشخیص بیماری پارکینسون را در روش ارایه شده نشان می دهد.

تشخیص بیماری پارکینسون با استفاد از اطلاعات حرکتی از طریق وگاشت شبک عصبی پس انتشار خطا(BP) و یادگیری ماشین Keywords:

تشخیص بیماری پارکینسون , درخت تصمیم 4.5 c , شبکه عصبی پس انتشار , ماشین بردار پشتیبان , k نزدیک ترین همسایه , درخت تصمیم 4.5c , شبکه بیزین

تشخیص بیماری پارکینسون با استفاد از اطلاعات حرکتی از طریق وگاشت شبک عصبی پس انتشار خطا(BP) و یادگیری ماشین authors

هاجر نیک اندیش

فارغ التحصیل کارشناسی ارشد، گروه کامپیوتر - موسسه آموزش عالی سلمان مشهد- ایران

اسماعیل خیرخواه

استادیار و مدیر کل مرکز فناوری اطلاعات و ارتباطات دانشگاه آزاد اسلامی واحد مشهد - 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 :
_ _ _ _ ScienceDirect, Procedia Computer Science 34, pp.305 ...
CH.Chen, H. L. Huang, C. C. Yu, X. G. Xu, ...
ScienceDirect, Expert systems with applications, 40(1), p. 263-271, 2013. ...
D.Tomar, B.R.Prasad and S.Agarwal, "An efficient Parkinson ...
S.Bouchikhi, A.Boublenza, A.Benosman and M.A.Chikh, "Parkinson's disease Detection with SVM ...
M.Can, "Diagnosis of Parkinsone Disease by Boosted Neurl Networks", SouthEast ...
G.Singh and L.Samavedham "Algorithm for image-based biomarker detection for differentil ...
A.Sharma and R.N.Giri, "Automatic Recognition of Parkinson's _ _ Issue-3, ...
Saloni, R.K.Sharma and K.Anil Gupta, "Voice Analysis for Telediagnosis of ...
T. Liu, W. L. Zuo, Z. Y. Wang and H. ...
K.G.Navid and A.Saheb, "Combination of PSO Algorithm and Naive Bayesian ...
H.L.Chen, G.Wang, C.Ma, Z.N.Cia, W.B.Liu and S.J.Wang, "An [1] T. ...
R.Clayton Pereira, R.Danillo Pereira, A.Francisco da Silva and Christian Hook, ...
F. S. Gharehchopogh and P. Mohammadi, "Article: A case study ...
Vol.73, No1 9, pp.1-6, 2013. ...
I.Rustempasic and M.Can, "Diagnosis of Parkinsone Disease using Fuzzy C-Means ...
Computer Pointing Devices", ACM, 2001. ...
K.Simeon and T.Shari, "Effect of Age and Parkinsons Disease on ...
M.Cilimkovic, "Neural Networks and Back Propagation Algorithm", 2010. ...
R.Rojas, "The B ackpropagation Algorithm", Springer-Verlag _ Berlin, 1996. ...
نمایش کامل مراجع

مقاله فارسی "تشخیص بیماری پارکینسون با استفاد از اطلاعات حرکتی از طریق وگاشت شبک عصبی پس انتشار خطا(BP) و یادگیری ماشین" توسط هاجر نیک اندیش، فارغ التحصیل کارشناسی ارشد، گروه کامپیوتر - موسسه آموزش عالی سلمان مشهد- ایران؛ اسماعیل خیرخواه، استادیار و مدیر کل مرکز فناوری اطلاعات و ارتباطات دانشگاه آزاد اسلامی واحد مشهد - ایران نوشته شده و در سال 1395 پس از تایید کمیته علمی سومین کنگره بین المللی فن آوری، ارتباطات و دانش پذیرفته شده است. کلمات کلیدی استفاده شده در این مقاله تشخیص بیماری پارکینسون، درخت تصمیم 4.5 c، شبکه عصبی پس انتشار، ماشین بردار پشتیبان، k نزدیک ترین همسایه، درخت تصمیم 4.5c، شبکه بیزین هستند. این مقاله در تاریخ 10 تیر 1396 توسط سیویلیکا نمایه سازی و منتشر شده است و تاکنون 723 بار صفحه این مقاله مشاهده شده است. در چکیده این مقاله اشاره شده است که پارکینسون بیماری اختلال حرکتی مزمن و همیشه در حال پیشرفت می باشد و تشخیص این بیماری به خصوص در مراحل اولیه اغلب دشوار است. در این مقاله، ویژگی های حرکتی افراد در استفاده از کامپیوتر با کمک نرم افزار Fitts Law استخراج شده و با نگاشت شبکه عصبی پس انتشار خطا به علایم بیماری پارکیسون تبدیل شده است. سپس از ... . این مقاله در دسته بندی موضوعی درخت تصمیم و شبکه عصبی و یادگیری ماشین طبقه بندی شده است. برای دانلود فایل کامل مقاله تشخیص بیماری پارکینسون با استفاد از اطلاعات حرکتی از طریق وگاشت شبک عصبی پس انتشار خطا(BP) و یادگیری ماشین با 8 صفحه به فرمت PDF، میتوانید از طریق بخش "دانلود فایل کامل" اقدام نمایید.