تشخیص بیماری تیروئید با استفاده از ترکیب شبکه‌ های عصبی به روش سلسله مراتبی

نویسندگان

  • ذباح, ایمان دانشجوی دکتری کامپیوتر ، گروه کامپیوتر، دانشگاه آزاد اسلامی تهران شمال، دانشکده مهندسی، تهران،ایران
  • رمضانپور, زهرا کارشناسی کامپیوتر، گروه کامپیوتر و فناوری اطلاعات، دانشکده مهندسی، دانشگاه تربت حیدریه
  • صحراگرد, خدیجه کارشناسی کامپیوتر، گروه کامپیوتر و فناوری اطلاعات، دانشکده مهندسی، دانشگاه تربت حیدریه
  • یثربی, سید احسان عضو هیات علمی گروه کامپیوتر و فناوری اطلاعات، دانشکده مهندسی ، دانشگاه تربت حیدریه
چکیده مقاله:

مقدمه: غده تیروئید نسبت به غده‏های دیگر بدن بیشتر دچار مشکل می‏شود و در صورت عدم تشخیص به موقع بی نظمی‏های تیروئید، بیمار دچار حمله تیروئیدی و یا کمای میگزدم شده که ممکن است منجر به مرگ گردد. از این رو تشخیص بی‏نظمی‏های تیروئید (پرکاری یا کم‏کاری) بر پایه تست‏های آزمایشگاهی و کلینیکی امری ضروری است. هدف از این پژوهش ارائه مدلی مبتنی بر تکنیک داده کاوی است که قابلیت پیش‏بینی بیماری تیروئید از نظر کم‏کاری و پرکاری را داشته باشد. روش: این مطالعه از نوع توصیفی-تحلیلی بوده و پایگاه داده آن شامل 7200 رکورد مستقل مبتنی بر 21 ریسک فاکتور و برگرفته شده از مرجع داده UCI می‏باشد که از این تعداد 70‌% نمونه‏ها جهت آموزش و 30‌% آن‌ها جهت آزمون استفاده شده است. این پژوهش ابتدا به بررسی عملکرد شبکه‏های عصبی‌، به منظور تشخیص بیماری تیروئید پرداخته و سپس به ارائه الگوریتمی به نام ترکیب شبکه‏های عصبی به روش سلسله مراتبی می‌پردازد. نتایج: پس از مدل‌سازی و مقایسه مدل‏های تولید شده و ثبت نتایج دقت پیش‌بینی بیماری تیروئید با استفاده از روش‏ شبکه عصبی 6/96% و روش سلسله مراتبی 100‌% به دست آمد. نتیجه‌گیری: کاهش خطای تشخیص بیماری تیروئید همواره یکی از اهداف محققین بوده است. استفاده از روش‏های مبتنی بر داده‌کاوی می‏تواند به کاهش این خطا کمک کند. این مطالعه ضمن تشخیص بیماری تیروئید به کمک شبکه‌های عصبی، نشان می‌دهد که ارائه روش قوی‌تری به نام ترکیب شبکه‏های عصبی به صورت سلسله مراتبی منجر به بهبود دقت تشخیص می‌شود.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

تشخیص تومورهای مغزی با استفاده از ترکیب سیستم استنتاج فازی-عصبی وفقی و خوشه بندی سلسله مراتبی

تشخیص محدوده تومورهای مغزی یک گام مهم و اساسی در سیستم‌های تشخیص و درمان خودکار می باشد. در این مقاله یک روش ترکیبی مبتنی بر سیستم استنتاج فازی-عصبی وفقی (ANFIS) و خوشه بندی سلسله مراتبی برای تشخیص موقعیت و محدوده تومورهای مغزی ارائه شده است. برای این منظور ابتدا خط مرکزی ناحیه مغز تشخیص داده شده، سپس با بلاک بندی ناحیه دو نیمکره مغز و استخراج ویژگی شدت روشنایی و بافت هر بلاک و نیز با بهره گیری...

متن کامل

تشخیص بیماری دیابت با استفاده از شبکه عصبی مصنوعی و عصبی- فازی

Background & Aim: A main problem in diabetes is its timely and accurate diagnosis. This study aimed at diagnosing diabetes using data mining methods. Methods: The present study is an analytical investigation including 768 individuals with 8 attributes. Artificial neural networks and fuzzy neural networks were used to diagnose the diabetes. To achieve a real accuracy, the Kfold method was used ...

متن کامل

تهیه‌ی نقشه‌ی حساسیت زمین‌لغزش با استفاده از ترکیب روش نسبت فراوانی و تحلیل سلسله مراتبی(AHP)

هدف از تحقیق حاضر تهیه‌ی نقشه‌ی حساسیت زمین‌لغزش با استفاده از ترکیب روش نسبت فراوانی و تحلیل سلسله مراتبی در استان لرستان است. در روش ترکیبی به‌جای استفاده ازنظر کارشناسان در وزن دهی به معیارها در روش تحلیل سلسله مراتبی از وزن‌های به‌دست‌آمده در روش نسبت فراوانی به‌عنوان ورودی در روش تحلیل سلسله مراتبی استفاده می‌گردد. به این منظور با استفاده از نقاط لغزشی بانک اطلاعات زمین‌لغزش کشور (176 نقطه...

متن کامل

استفاده از روش دسته بندی طیفی سلسله مراتبی در شبکه های قدرت تحت وب

سیستم انتقال برق را می توان با شبکه‎ای نشان داد که دارای گره و اتصالات می باشد که نشان دهنده شین ها و خطوط انتقال الکتریکی هستند. به هر خط می توان مقدار داد که نشان دهنده برخی از ویژگی های الکتریکی خط مثل ادمیتانس خط یا توان عبوری متوسط در زمان مشخص می باشد. از روش دسته‎بندی طیفی سلسله مراتبی برای آشکار سازی ساختار اتصالات داخلی یک شبکه استفاده می کنیم. دسته‎بندی طیفی از مقادیر و بردار های ویژه...

متن کامل

تشخیص اتوماتیک پلاک خودرو فارسی به روش لبه‌یابی با استفاده از شبکه عصبی هاپفیلد

شماره پلاک خودرو یکی از مناسب‌ترین اقلام اطلاعاتی جهت احراز هویت خودرو‌ها می‌باشد. سیستم تشخیص پلاک خودرو یک سیستم مکانیزه است که با عکس گرفتن از خودروها، شماره پلاک آنها را استخراج می‌کند. روشی که در این مقاله ارائه شده است شامل دو قسمت می‌باشد. در قسمت اول با استفاده از لبه‌یابی و عملیات مورفولوژی محل پلاک شناسایی شده و در قسمت دوم با استفاده از شبکه عصبی هاپفیلد کاراکترها شناسایی می‌شوند. ای...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 4  شماره None

صفحات  21- 31

تاریخ انتشار 2017-06

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023