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:

146
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

441
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تشخیص بیماری بروسلوزیس در شهرستان رفسنجان با استفاده از شبکه های عصبی مصنوعی آتوانکو در عمیق

صفحات

 صفحه شروع 298 | صفحه پایان 308

چکیده

 مقدمه: بیماری تب مالت (بروسلوزیس) یکی از مهم ترین بیماری های عفونی مشترک بین انسان و دام محسوب می شود. با توجه به اندمیک بودن تب مالت و وجود گزارش های متعددی از موارد انسانی و حیوانی آن, میزان شیوع تب مالت انسانی در شهرستان رفسنجان در طول 3 سال (97-1395) تعیین گردید. هدف از این مطالعه یافتن یک تطابق و همسان سازی روشی خودکار و هوشمندانه با حساسیت کم بر مبنای شبکه عصبی است, که قادر به تشخیص دقیق تب مالت باشد. روش: در این مطالعه توصیفی-تحلیلی موارد بروسلوز انسانی بر اساس شاخص های جنس, سن, بارداری, سابقه تماس با دام و استفاده از مواد غیر پاستوریزه لبنی, پارامترهای آزمایشگاهی Wright و 2ME در طول 3 سال از شهرستان رفسنجان واقع در جنوب ایران تحلیل شد. داده ها به دو زیر مجموعه آموزش (80%) و آزمون (20%) تقسیم شدند. از روش شبکه عصبی مصنوعی آتوانکو در عمیق برای آموزش هر زیر مجموعه استفاده شد. نتایج: روش آتوانکو در عمیق به صحت 90/84% حساسیت 94/61% و ویژگی 50% در پیش بینی موارد بیماری بروسلوزیس در مجموعه داده های آزمون دست یافت, نتایج تجربی, عملکرد دقیق شبکه عصبی را در تشخیص بیماری بروسلوز نشان داد. نتیجه گیری: مدل شبکه عصبی مصنوعی عمیق می تواند به عنوان یک روش کارآمد و هوشمند برای تشخیص موارد بروسلوز انسانی به کار گرفته شود. با این حال مطالعه و پژوهش های بیشتری برای طراحی مدل های دیگر از شبکه های عصبی مصنوعی بر اساس یادگیری عمیق جهت تشخیص سایر بیمارهای عفونی مورد نیاز است.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    قیومی زاده، حسین، فیاضی، علی، دانائیان، مصطفی، و سعیدی، آلاء. (1398). تشخیص بیماری بروسلوزیس در شهرستان رفسنجان با استفاده از شبکه های عصبی مصنوعی آتوانکو در عمیق. انفورماتیک سلامت و زیست پزشکی، 6(4 )، 298-308. SID. https://sid.ir/paper/963817/fa

    Vancouver: کپی

    قیومی زاده حسین، فیاضی علی، دانائیان مصطفی، سعیدی آلاء. تشخیص بیماری بروسلوزیس در شهرستان رفسنجان با استفاده از شبکه های عصبی مصنوعی آتوانکو در عمیق. انفورماتیک سلامت و زیست پزشکی[Internet]. 1398؛6(4 ):298-308. Available from: https://sid.ir/paper/963817/fa

    IEEE: کپی

    حسین قیومی زاده، علی فیاضی، مصطفی دانائیان، و آلاء سعیدی، “تشخیص بیماری بروسلوزیس در شهرستان رفسنجان با استفاده از شبکه های عصبی مصنوعی آتوانکو در عمیق،” انفورماتیک سلامت و زیست پزشکی، vol. 6، no. 4 ، pp. 298–308، 1398، [Online]. Available: https://sid.ir/paper/963817/fa

    مقالات مرتبط نشریه ای

  • ثبت نشده است.
  • 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