مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

2,278
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

1,019
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

3

اطلاعات مقاله نشریه

عنوان

طراحی سیستم تصمیم یار بالینی مبتنی بر شبکه عصبی مصنوعی به منظور کشف اولیه سرطان از بزرگی خوش خیم پروستات

صفحات

 صفحه شروع 457 | صفحه پایان 464

چکیده

 مقدمه: در سال های اخیر مفاهیم شبکه های عصبی مصنوعی در کشف اولیه و طبقه بندی بیماری ها متحمل پیشرفت های فراوانی شده است. استفاده از شبکه های عصبی به دلیل توانایی های بالقوه آن درکاربردهای پزشکی و در پیدا کردن کنش بین متغیرها, تشخیص و مدل سازی بیماری ها به طور وسیعی مقبول واقع شده است. هدف از این پژوهش, طراحی و پیاده سازی سیستم تصمیم یار مبتنی بر شبکه های عصبی مصنوعی به منظور کشف اولیه سرطان پروستات بود.روش بررسی: پژوهش حاضر از نوع کاربردی و جامعه هدف آن متشکل از 360 بیمار مبتلا به ناهنجاری های پروستات بودند که در فواصل سال های 90-1388 به بخش اورولوژی بیمارستان امام خمینی (ره) شهر تهران مراجعه نمودند. در این پژوهش به منظور ارزیابی عملکرد سیستم طراحی شده, از شاخص های حساسیت, ویژگی و صحت در طبقه بندی استفاده گردید. در طراحی هسته محاسباتی سیستم تصمیم یار بالینی در کشف اولیه سرطان پروستات از بزرگی خوش خیم آن, از الگوریتم شبکه عصبی گرادیان توام مدرج (Scaled conjugate gradient) استفاده شد.یافته ها: شاخص های عملکردی این سیستم, ویژگی و حساسیت بودند و عملکرد سیستم تصمیم یار بالینی پیشنهاد شده بر اساس این شاخص ها به ترتیب عبارت از 97.06 و 92.11 درصد بود. نتایج سیستم تصمیم یار در تشخیص و طبقه بندی بیماری های نئوپلازی پروستات, حاکی از پتانسیل بالای سیستم های مبتنی بر شبکه های عصبی به عنوان ابزاری قوی در طبقه بندی ناهنجاری های پروستات بود.نتیجه گیری: در این پژوهش یک سیستم تصمیم یار پزشکی با هدف یاری رساندن به متخصصین در تشخیص و طبقه بندی بیماری های نئوپلازی پروستات طراحی گردید. سیستم های هوشمند پزشکی بر مبنای هوش مصنوعی و به خصوص شبکه های عصبی, می توانند به پزشکان در تشخیص دقیق سرطان پروستات و بزرگی خوش خیم آن کمک نمایند. با استفاده از این سیستم ها, بیوپسی های غیر ضروری و هزینه های تشخیصی کاهش می یابد. به علاوه, این سیستم ها می توانند در به حداقل رساندن زمان فرایندهای تشخیصی بیماری ها موثر واقع شوند.

استنادها

ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    قادرزاده، مصطفی، صدوقی، فرحناز، و کتابت، آروین. (1391). طراحی سیستم تصمیم یار بالینی مبتنی بر شبکه عصبی مصنوعی به منظور کشف اولیه سرطان از بزرگی خوش خیم پروستات. مدیریت اطلاعات سلامت، 9(4)، 457-464. SID. https://sid.ir/paper/121878/fa

    Vancouver: کپی

    قادرزاده مصطفی، صدوقی فرحناز، کتابت آروین. طراحی سیستم تصمیم یار بالینی مبتنی بر شبکه عصبی مصنوعی به منظور کشف اولیه سرطان از بزرگی خوش خیم پروستات. مدیریت اطلاعات سلامت[Internet]. 1391؛9(4):457-464. Available from: https://sid.ir/paper/121878/fa

    IEEE: کپی

    مصطفی قادرزاده، فرحناز صدوقی، و آروین کتابت، “طراحی سیستم تصمیم یار بالینی مبتنی بر شبکه عصبی مصنوعی به منظور کشف اولیه سرطان از بزرگی خوش خیم پروستات،” مدیریت اطلاعات سلامت، vol. 9، no. 4، pp. 457–464، 1391، [Online]. Available: https://sid.ir/paper/121878/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button