تشخیص و شناسایی بیماری سرطان سینه به کمک شبکه های عصبی مصنوعی
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 946
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCC02_605
تاریخ نمایه سازی: 21 شهریور 1395
چکیده مقاله:
سرطان سینه با نرخ مرگومیر بالا یکی از شایعترین سرطان ها در میان زنان میباشد که تشخیص به موقع و صحیحخوش خیم یا بدخیم بودن بافت سرطانی سینه، امری بسیار مهم و با اهمیت است. امروزه استفاده از روشهای کامپیوتریبرای تشخیص انواع بیماریها، فراگیر و در حال گسترش است. در این مقاله از دو شبکه ی عصبی مصنوعی برایتشخیص سرطان سینه استفاده شده است. مجموعه ی داده ها از آزمایش آسپیراسیون سوزنی که روشی ساده و ارزان برایتشخیص دقیق و زودهنگام این سرطان است، به دست آمده که در دانشگاه Wisconsin آمریکا جمع آوری شده اند.شبکه ی پرسپترون چندلایه (MLP) با الگوریتم پس انتشار خطا و شبکه ی شعاعی پایه (RBF) با الگوریتم k میانگینبرای تشخیص خوشخیم یا بدخیم بودن سرطان سینه به کار گرفته شده اند. مقایسه ی نتایج به دست آمده از شبکهیMLP و RBF با سایر روشهای دیگر نشان دهنده عملکرد مطلوب و دقت بالای این شبکه ها می باشد که با استفاده ازآنها می توان تعداد جراحی های غیر ضروری روی بیماران را کاهش داده و هزینه های مربوطه را کم کرد.
کلیدواژه ها:
سرطان سینه ، پرسپترون چندلایه (MLP) ، الگوریتم پس انتشار خطا ، شبکه ی شعاعی پایه (RBF) ، الگوریتم k میانگین
نویسندگان
نگار کتابچی
فارغ التحصیل رشته مهندسی پزشکی دانشگاه صنعتی سجاد، مشهد
امین نوری
عضو هیات علمی دانشکده برق دانشگاه صنعتی سجاد، مشهد
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :