پیش بینی بقاء بیماران مبتلا به سرطان معده با استفاده از شبکه های عصبی مصنوعی

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 589

This Paper With 9 Page And PDF and WORD 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ELEMECHCONF04_389

تاریخ نمایه سازی: 11 مرداد 1396

Abstract:

از مهمترین بیماری های شایع در بین زنان و مردان بیماری سرطان معده است. این بیماری در بین مردان رتبه اول و در بین زنان رتبه سوم را داراست. هدف از این مطالعه، تحلیل بقای بیماران مبتلا به سرطان معده و در ادامه پیش بینی مرگ این بیماران با استفاده از الگوی شبکه عصبی است. در چند دهه اخیر به کارگیری مدل شبکه عصبی مصنوعی برای پیش بینی داده های بقا، افزایش یافته است.در این مطالعه از تعداد 288 بیمار که دارای تشخیص قطعی پاتولوژیک سرطان معده بودند بررسی شدند. داده ها توسط مرکز تحقیقات گوارش و کبد دانشگاه علوم پزشکی شهید بهشتی در بیمارستان طالقانی تهران جمع آوری گردید. در این تحقیق از شبکه عصبی مصنوعی پرسپترون چند لایه با الگریتم پس از انتشار خطا جهت تحلیل وضعیت بقاء بیماری سرطان معده استفاده شده است در این بین یک شبکه عصبی با ساختار (1-41-20-8) به عنوان بهترین ساختار معماری مورد استفاده قرار گرفت. برای طراحی شبکه عصبی از نرم افزار Matlab و برای تحلیل داده ها از نرم افزار Spss استفاده گردید. به این ترتیب توانستیم به دقت پیش بینی 75.5 درصد برای داده ها آموزش و 64.9 درصد برای کل داده ها دست پیدا کنیم.

Authors

سیداکبر ضیایی

آموزشکده فنی و حرفه ای سما واحد تربت حیدریه

ایمان ذباح

دانشگاه آزاد اسلامی واحد تربت حیدریه ؛ گروه کامپیوتر

مهدی یگانه فر

دانشگاه آزاد اسلامی واحد تربت حیدریه ؛ گروه کامپیوتر

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 :
  • انوشیروان کاظم نژاد، ابراهیم حاجی زاده، اکبر بیگلریان. مقایسه ی ...
  • Biglarian A, Hajizadeh E, Kazemnejad A, Zali M. Posto perative ...
  • Sajadi A, Nouraei M, Mohagheghi MA. Cancer Occurrence in Iran ...
  • Babaei M, Mousavi S, Toussy J. Cancer OCCurrence in old ...
  • Ansari R, Mahdavinia M, Sadjadi A, Nouraie M, Kamangar F, ...
  • M R Gohari, P Mokhtari , M A Pourhoseing holi ...
  • Warner B, Misra M. Understanding Neural Networks as Statistical tools. ...
  • A Biglarian _ E Hajizadeh _ A Kazemnejad .Comparison of ...
  • Karakitsos P, Pouliakis A, Koutroumbas K, Stergiou EB, Tzivras M, ...
  • Arch imandritis A. and Liossi AI. Neural network application in ...
  • Chien C, Lee Y, Ma T, Lin Y, Lee T, ...
  • Bollschweiler E, Monig S, Hensler K, Baldus S, Maruyama K, ...
  • Amiri Z, Mohammad K, Mahmoudi M, Zeraati H, Fotouhi A. ...
  • Lai KC, Chiang HC, Chen WC, Tsai FJ. and Jeng ...
  • Zeraati H, Mahmoudi M, Mohammad M, Kazemnejad A. And Mohagheghi ...
  • Moghimi Dehkordi B, Rajaeefard A, Tabatabaee HR, Zeighami B, Dafaee ...
  • Yazdanbod A, Samadi F, Malekzadeh R, Babaei M, Iranparvar M. ...
  • Coleman M, Gatta G, Verdecchia A, et al. EUROCARE Working ...
  • نمایش کامل مراجع