نگین احمدی - کارشناسی ارشد مهندسی پزشکی گرایش بیومکانیک، دانشگاه علم و صنعت ایران
ساسان آسیایی - استادیار گروه مکانیک، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران

بسیاری از تحقیقات صورت گرفته در ارتباط با سلکانترهای الکترونیکی، پیرامون روش دستی و یا استفاده از الگوریتم های شکل پذیر (نظیر مار، تبدیل آبخیز و ...) بهره برده اند. اما روشهای ذکر شده به دلیل هزینه سنگین محاسباتی و زمان اجرا بالا در عمل به هیچ عنوان کاربردی نیست. با توجه به اینکه کانال شمارش در دستگاه سل کانتر در موارد مشکل دار و تجمع پلاکتها ضعیف عمل می کند و با توجه به ضعف الگوریتم های ارائه شده، در این پروژه، الگوریتمی جهت بهبود فرآیند شمارش پلاکت در محفظهای به نام کانال شمارش با ارائه مدل پیشنهادی سیستم استنتاج عصبی فازی تطبیقی با استفاده از الگوریتم کرم شبتاب، الگوریتم مبتنی بر آموزش و یادگیری، الگوریتم پرنده آلاچیق ساتنی، الگوریتم جغرافیای زیستی و الگوریتم ازدحام ذرات استفاده شد. در مدل پیشنهادی الگوریتمهای بهینه سازی مختلف با پیشنهاد بهترین پارامترها برای سیستم استنتاج عصبی فازی تطبیقی سعی در بهبود دقت برآورد پارامترهای خونی مختلف را دارند. نتایج بدست آمده نشان میدهد که استفاده از الگوریتم بهینه سازی پرنده آلاچیق ساتنی برای انتخاب مناسب ترین پارامترها برای سیستم استنتاج عصبی فازی تطبیقی نسبت به سایر مدلها بهتر بوده است و این ترکیب نتایج قابل قبول تری را ارائه کرده است.

پارامتر خونی، سلکانتر، امپدانس الکتریکی، الگوریتم های بهینه سازی