Thesis

تشخیص سرطان سینه با استفاده از شبکه عصبی جمعی

Abstract

در این پژوهش برای پیش‏بینی بیماری سرطان سینه مدلی با استفاده از تکنیک داده‏کاوی شبکه های عصبی جمعی ارائه شده ‏است. مجموعه داده مورد استفاده دارای 699 رکورد مربوط به بانک اطلاعاتی بیماران سرطان سینه موجود در انبارداده ی یادگیری ماشین دانشگاه ایروین،کالیفرنیا آمریکا است و شامل ریسک فاکتورهای ضخامت انبوه، یکنواختی اندازه سلول، یکنواختی شکل سلول، چسبندگی لبه ها، حجم سلول بافت اپیتلیال، هسته های عریان، کروماتین بلاند، هسته عادی و تقسیم هسته سلول به دوقسمت می باشد. مدل‏های تولید شده در این تحقیق با استفاده از آنالیز منحنی roc مقایسه و بهترین مدل با سطح زیر منحنی 961/0 انتخاب گردید. مدل نهایی داری دقت 67/96%، حساسیت 10/97% و ویژگی 65/95% است که نشان می‏دهد

Supervisors and advisors

علی محمد لطیف

Similar items

  • بهینه سازی شبکه عصبی MLP با استفاده از الگوریتم ژنتیک موازی FinGrain برای تشخیص سرطان سینه

    Article2019مدلسازی در مهندسیامین رضایی پناه، سعید بحرانی خادمی، علی مبارکی

    امروزه استفاده از سیستم‌های هوشمند در تشخیص پزشکی به تدریج در حال افزایش است. این سیستم‌ها می‌توانند به کاهش خطایی که ممکن است توسط کارشناسان کم‌تجربه اتفاق بیافتد، کمک کند. بدین منظور استفاده از سیستم‌های هوشمند مصنوعی در پیش‌بینی و تشخیص سرطان سینه که یکی از رایج‌ترین سرطان‌ها

  • تشخیص سرطان سینه با استفاده از شبکه بهبودیافته ZFNet-ELM با الگوریتم بهینه‌سازی COA

    Article2026محاسبات نرمسارا خسروی

    امروزه بسیاری از محققان با استفاده از سیستم‌های مبتنی بر یادگیری عمیق و هوش مصنوعی، در حوزه پزشکی به تشخیص و طبقه‌بندی بسیاری از بیماری‌ها مانند تشخیص سرطان می‌پردازند. تشخیص زودهنگام و دقیق سرطان سینه بر اساس تصاویر ماموگرافی می‌تواند به پزشکان در درمان به موقع بیماری کمک بسزایی

  • استفاده از شبکه‌های عصبی یادگیری عمیق در تشخیص درجه بدخیمی سرطان پروستات و تشخیص سرطان سینه

    Article2018مجله دانشکده پزشکی دانشگاه علوم پزشکی مشهدصابر فولادی، حسن فرسی، سجاد محمدزاده

    مقدمهدر سالهای اخیر علاقه به پژوهش در زمینه بهکارگیری الگوریتمهای هوشمند در تشخیص و طبقهبندی بیماریها به ویژه سرطان، به شدت افزایش یافته است. طبقهبندی تومور یک کار مهم در تشخیص پزشکی محسوب میشود. روشهای محاسبات نرمافزاری به دلیل عملکرد طبقه‌بندی آنها در تشخیص بیماریهای پزشکی اهمی

  • تشخیص سرطان سینه از روی ریزدانه‌های کلسیم در تصویر ماموگرافی به کمک خوشه‌بندی فازی و شبکه های عصبی

    Article2021پردازش سیگنال پیشرفتهشیما ضرابی باب الدشت، ندا بهزادفر

    تشخیص ریزدانه‌های کلسیم در تصاویر ماموگرافی سینه در تشخیص زودهنگام سرطان از اهمیت زیادی برخوردار‌است. شناسایی این ریزدانه‌ها به‌طور دستی و توسط افراد متخصص انجام می‌گیرد که با هزینه بالا و خطا همراه است. در این مقاله یک روش جدید مبتنی بر الگوریتم خوشه‌بندی فازی برای شناسایی ریزدا

  • ارائه روش رنگ سنجی برای تشخیص سرطان سینه با استفاده از آپتامرهای اختصاصی مبتنی بر دزوکسی ریبوزیم

    Article2020زیست فناورینصرالله صالح گوهری، زهرا کرمی، فربد محسنی، علی کریم زاده

    سرطان سینه یک عامل پرخطر برای سلامت زنان محسوب می‌شود که حدود 23 درصد میزان سرطان‌ها و دومین عامل مرگ در بین تمامی سرطان‌ها به شمار می‌رود. به خاطر پرهزینه و زمان بربودن روش های سنجش فعلی سرطان سینه ، نیاز به توسعه روش های حساس تر و اختصاصی ترمی باشد. بیوسنسورها به خاطر پاسخ سریع

  • ارائه یک مدل آینده‌پژوهی برای انتخاب مدل مناسب تشخیص سرطان سینه

    Article2024مجله انفورماتیک سلامت و زیست پزشکیعبدالحسین شکیبایی نیا، محسن چگین، امین گلاب پور، احمد خسروی

    مقدمه: انتخاب مدل مناسب برای تشخیص سرطان سینه اهمیت زیادی دارد، زیرا مدل‌های نامناسب ممکن است دقت تشخیص را کاهش دهند و منجر به نتایج نادرست شوند. این خطاها می‌توانند به تصمیم‌گیری‌های نادرست بالینی منجر شوند. در این راستا، آینده‌پژوهی می‌تواند ابزار مؤثری برای شناسایی و انتخاب مد