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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

1,758
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

753
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

2

اطلاعات مقاله نشریه

عنوان

شبیه سازی یک مدل ترکیبی به کمک الگوریتم ژنتیکی و شبکه عصبی مصنوعی برای تفکیک الگوهای خوش خیم و بدخیم سرطان سینه در ماموگرافی

صفحات

 صفحه شروع 67 | صفحه پایان 80

چکیده

 مقدمه: این تحقیق کوششی برای تشخیص ضایعات پستانی مشکوک به بدخیم با استخراج اطلاعات کمی و کیفی از تصاویر ماموگرافی فیلم- اسکرین و استخراج بهترین پارامترهای تشخیصی از میان کل پارامترهای موجود و ارتقای دقت, حساسیت و ویژگی تشخیصی به کمک الگوریتم ژنتیک و شبکه عصبی مصنوعی می باشد.مواد و روشها: اطلاعات لازم برای این تحقیق از تصاویر ماموگرافی مربوط به 119 بیمار مشکوک به سرطان سینه (49 مورد بدخیم و 70 مورد خوش خیم) و در قالب 12 پارامتر تشخیصی توسط پزشک متخصص, استخراج و سپس به مدل ترکیبی ما تزریق شد. از آنجا که همه این 119 بیمار بعد از ماموگرافی, بیوپسی نیز شده بودند, نتایج پاتولوژی آنها نیز جمع آوری و کدگذاری گردید. داده های جمع آوری شده به طور تصادفی به دو گروه آموزش (79 تایی) و آزمون (40 تایی) تقسیم شده و سپس به مدل کامل (آموزش با کل پارامترها) و مدل ترکیبی شبکه عصبی و الگوریتم ژنتیک تزریق شدند. نتایج شبیه سازیهای به عمل آمده روی این دو مدل نشان می دهد که مدل ترکیبی, قادر است تعداد 5 الی 7 پارامتر را از میان 12 پارامتر تشخیصی موجود به عنوان بهترین پارامترها استخراج نماید. سپس شبکه عصبی با این پارامترهای بهینه آموزش داده شد و نتایج دقیقتری در مقایسه با مدل کامل شبکه عصبی به دست آمد.نتایج: برطبق نتایج بدست آمده از این پژوهش میزان دقت, حساسیت و ویژگی تشخیصی روی 40 نمونه آزمون, به ترتیب از 70%, 56% و 79% در مدل کامل شبکه عصبی به 80%, 75% و 83% در مدل ترکیبی, افزایش یافته است که این نتایج تا حدی بهتر از نتایج پزشک رادیولوژیست (68%, 83% و 61%) می باشد. در این تحقیق از تحلیل منحنی ROC و سطح زیر آن, برای ارزیابی دقیق تر کارایی شبکه قبل و بعد از ترکیب آن با الگوریتم ژنتیک و همچنین در مقایسه با نتایج پزشک رادیولوژیست, استفاده گردید. سطح زیر منحنی پس از آموزش با پارامترهای بهینه از 0.73 به 0.84 افزایش یافت.بحث و نتیجه گیری: نتایج این تحقیق بیانگر آن است که مدل ترکیبی قادر است پارامترهای بهینه و موثر را از میان پارامترهای تشخیصی موجود استخراج و باعث ارتقای کارایی و قدرت تعمیم شبکه عصبی گردد که این امر می تواند منجر به تشخیص کلینیکی دقیقتر توسط پزشک رادیولوژیست گردد.

استنادها

ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    نیرویی، مهیار، عبدالمالکی، پرویز، و گیتی، معصومه. (1385). شبیه سازی یک مدل ترکیبی به کمک الگوریتم ژنتیکی و شبکه عصبی مصنوعی برای تفکیک الگوهای خوش خیم و بدخیم سرطان سینه در ماموگرافی. مجله فیزیک پزشکی ایران، 3(13)، 67-80. SID. https://sid.ir/paper/96929/fa

    Vancouver: کپی

    نیرویی مهیار، عبدالمالکی پرویز، گیتی معصومه. شبیه سازی یک مدل ترکیبی به کمک الگوریتم ژنتیکی و شبکه عصبی مصنوعی برای تفکیک الگوهای خوش خیم و بدخیم سرطان سینه در ماموگرافی. مجله فیزیک پزشکی ایران[Internet]. 1385؛3(13):67-80. Available from: https://sid.ir/paper/96929/fa

    IEEE: کپی

    مهیار نیرویی، پرویز عبدالمالکی، و معصومه گیتی، “شبیه سازی یک مدل ترکیبی به کمک الگوریتم ژنتیکی و شبکه عصبی مصنوعی برای تفکیک الگوهای خوش خیم و بدخیم سرطان سینه در ماموگرافی،” مجله فیزیک پزشکی ایران، vol. 3، no. 13، pp. 67–80، 1385، [Online]. Available: https://sid.ir/paper/96929/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا