بهبود عملکرد شبکه عصبی مصنوعی در دسته بندی خوش خیم و بدخیم بودن سرطان سینه
Publish place: دومین کنفرانس بین المللی پژوهش در علوم و مهندسی
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 431
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:
ICRSIE02_077
تاریخ نمایه سازی: 11 مرداد 1396
Abstract:
سرطان سینه یکی از مهمترین عوامل مرگ و میر در میان بانوان در سراسر جهان می باشد. تشخیص توده های تشکیل شده درون بافت سینه، به عنوان توده سرطانی یا غیر سرطانی، همواره چالشی است که پزشکان با آن مواجه هستند. ابزارهای آزمایشی زیادی برای تخمین نوع توده سرطانی بکارگرفته میشوند اما همواره پزشکان به دنبال روشی دقیق و با قابلیت اعتماد بالا هستند. هدف ما در این مقاله بهبود عملکرد شبکه عصبی مصنوعی با الگوریتم پرسپترون چند لایه در راستای دسته بندی توده های سرطانی در دو نوع خوش خیم و بدخیم می باشد که با در اختیار داشتن اطلاعات بیمارانی که دارای توده های سینه ای بوده اند توانسته ایم شبکه عصبی با دقت 87,9 % ایجاد کنیم تا بتواند نوع توده سرطانی را بدست آمده این پژوهش توانسته است عملکرد شبکه عصبی مصنوعی با الگوریتم ROC تشخیص دهد. باتوجه به نمودار پرسپترون چند لایه را 3% بهبود بخشد.
Keywords:
Authors
سید مصطفی میرکاظمی
دانشجوی کارشناسی ارشد مهندسی پزشکی-بیوالکتریک، دپارتمان مهندسی پزشکی، دانشگاه آزاد اسلامی تهران مرکز، تهران، ایران
پردیس نامدارپور
دانشجوی کارشناسی ارشد زیست شناسی- میکروبیولوژی، دپارتمان پزشکی، دانشگاه آزاد اسلامی تهران مرکز، تهران، ایران
کیوان حاجی رعیت
دانشجوی کارشناسی ارشد مهندسی پزشکی-بیومکانیک، دپارتمان مهندسی پزشکی زیستی، دانشگاه آزاد اسلامی تهران شمال، 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 :