
در این پست داکیومنت تشخیص بیماری عروق کرونری (Coronary Artery Disease )با شبکههای عصبی مصنوعی و رویکرد تکاملی قرار گرفته است که به صورت کامل نحوه استفاده از شبکه عصبی برای تشخیص بیماری عروق کرونری را توضیح می دهد. همچنین از یک رویکرد تکاملی با استفاده از الگوریتم جستجوی گرانشی به انتخاب ویژگی های موثر پرداخته می شود.
تهیه و تنظیم: تیم طراحی و تولید پی استور
متشکل از اساتید و فارغ التحصیلان رشته های فنی - مهندسی
تیم طراحی و تولید پی استور از اولین تیم های تشکیل شده در مجموعه آموزشی پی استور می باشد. این تیم از اساتید مجرب و فارغ التحصیلان رشته های فنی و مهندسی تشکیل شده که در زمینه های مختلف تولید محتوای تخصصی فعال هستند.
بانک اطلاعاتی مورد استفاده مجموعه داده بیماران عروق کرونری موجود در مخزن داده ی یادگیری ماشین دانشگاه ارواین، ایالت کالیفرنیا آمریکا (University of California at Irvine) است و در این پایگاه، داده هایی از چهار مجموعه داده متفاوت برای تشخیص بیماری های قلبی قرار دارند.
داده های فوق از چهار منبع (بنیاد کلنیک کلیولند، انستیتوکاردیولوژی مجارستان، مرکز پژشکی لانگ بیچ کالیفرنیا و بیمارستان دانشگاه زوریخ سویس) جمع آوری شده است. با مشخص کردن ویژگیهای مؤثر در تشخیص درست بیماری اقدام به انتخاب این ویژگیها از طریق یک الگوریتم فراابتکاری مینماییم. در آغاز اقدام به پیادهسازی الگوریتم جستجوی گرانشی (GSA) مینماییم تا از آن بهعنوان انتخابگر ویژگیها استفاده نماییم.
در ادامه با تشخیص خودکار بیماری، شبکه عصبی مصنوعی جهت دستهبندی انتخابشده و پیادهسازی خواهد شد؛ سپس با افزودن این شبکه به الگوریتم جستجوی گرانشی قادر خواهیم بود ویژگیهای دارای تأثیر بیشتر را استخراج نماییم. چکیده و فهرست مطالب این داکیومنت در ادامه آمده است.
چکیده
امروزه پیشرفت فنّاوری و نوآوریها باعث نتايج چشمگیري در بخش سلامت شده و سیستمهای تشخیص كامپیوتري با کمک پزشكان در کشف و کنترل بیماریها سودمند بوده اند. بیماریهای قلبی – عروقی یکی از مهم ترین علل مرگ و میر در کشورهای پیشرفته و جهان سوم است. این بیماری یک بیماری پیشرونده است و باعث تحریک انقباض عروق و انتشار لخته می شوند.
هنگامی که وسعت تجمع پلاکت ها و لخته تشکیل شده به حدی برسد که بتواند باعث انسداد عروق و جریان خون گردد، یک واقعه حاد کرونری رخ می دهد که منجر به سکته و مرگ بیمار می شود. امروزه استفاده از روش های تشخیص خودکار بیماری مورد توجه بسیاری از دانشمندان و محققین رشته های پزشکی و کامپیوتری قرار گرفته است که تکنیک های داده کاوی و شبکه های عصبی مصنوعی یکی از راه های رسیدن به این هدف میباشد که با میزان دقت و صحت بالای 75 درصد بسیار مفید خواهند بود.
در این پایان نامه یک روش جدید برای تشخیص بیماری کرونری قلبی ارائه شده است که با استفاده از الگوریتم جستجوی گرانشی (GSA) اقدام به انتخاب ویژگی های موثر در تشخیص بیماری کرونری قلبی نموده و با یک شبکه عصبی مصنوعی (ANN) آنرا دسته بندی میکند. الگوریتم جستجوی گرانشی یک الگوریتم وابسته به هوش جمعی و بدون حافظه می باشد.
این الگوریتم بهینه سازی با الگوبرداری از قوانین جاذبه، مفهوم جرم و حرکت عوامل در یک سیستم مصنوعی در زمان گسسته طراحی شده است که در آن، فضای سیستم همان محدوده تعریف مسئله می باشد. در این الگوریتم عناصر به عنوان اشیاء فرض شده و کارایی آنها با اندازه گیری جرم آن عناصر سنجیده می شود. نتایج حاصل از شبیه سازی نشان داد دسته بندی با صحت و دقت بالای 94 درصد انجام شده است.
فهرست مطالب
فصل اول: مقدمه و کلیات پژوهش
- مقدمه
- شرح مسئله
- ضرورت انجام تحقیق
- اهداف تحقیق
- روش تحقیق
- نوآوریهای تحقیق
- ساختار پایاننامه
فصل دوم: مفاهیم پایه و مرورکارهای پیشین
- مقدمه
- ساختار کلی روشهای تشخیص خودکار بیماری
- انتخاب ویژگی
- الگوریتمهای تکاملی
- الگوریتم ژنتیک
- الگوریتم ازدحام ذرات
- الگوریتم رقابت استعماری
- الگوریتم جستجوی گرانشی
- قانون گرانشی
- مکانیزم الگوریتم جستجوی گرانش
- دستهبندی دادهها
- روش ماشین بردار پشتیبان
- روش شبکههای عصبی
- روش درخت تصمیم
- مرور کارهای قبلی
- جمعبندی فصل
فصل سوم: روش پیشنهادی
- مقدمه
- شمای روش پیشنهادی
- شبکه عصبی مصنوعی
- انتخاب پارامترهای بهینه با استفاده از GSA
- جمعبندی فصل
فصل چهارم: ارزیابی نتایج
- مجموعه داده
- معیار های ارزیابی
- آزمایش و ارزیابی مدل
- جمعبندی فصل
فصل پنجم: نتیجهگیری و کارهای آتی
- نتیجه گیری
- کارهای آتی
مراجع
تشخیص بیماری عروق کرونری قلبی در متلب با استفاده از الگوریتم شبکههای عصبی مصنوعی
تشخیص بیماری عروق کرونری قلبی در متلب Coronary Artery Heart Disease با استفاده از الگوریتم شبکههای عصبی مصنوعی عنوان پروژه ای است که در متلب 2014 پیاده سازی شده است. این پروژه به صورت کامل با استفاده از دیتاست موجود در مخزن UCI و شبکه عصبی پیاده سازی شده است. برای دریافت این سورس کد بر روی لینک کلیک کنید.
درباره محصول
داکیومنت تشخیص بیماری عروق کرونری با شبکههای عصبی مصنوعی و رویکرد تکاملی در 66 صفحه در قالب word و pdf بصورت زیپ شده قابل دانلود می باشد. این محصول به چگونگی تشخیص بیماری کرونری قلبی با شبکه عصبی مصنوعی می پردازد. محصول به صورت کامل و روان بصورت داکیومنت است و توسط کارشناسان پی استور بازنگری و تایید شده می باشد. این محصول دارای نشان تضمین کیفیت پی استور می باشد.
برای دانلود محصول آن را خریداری فرمایید. به محض خرید محصول لینک دانلود در دسترس خواهد بود. در صورت بروز هرگونه مشکل با واحد فروش پی استور تماس حاصل فرمایید.
سورس کدهای آماده درمورد شبکه های عصبی در متلب
تاریخ انتشار: | 7 آبان 1397 |
---|---|
تاریخ بروزرسانی: | 26 اردیبهشت 1398 |
حجم فایل: | 1 مگابایت |
فرمت فایل | docx با قابلیت ویرایش |
نسخه: | 1.0 |
هماهنگی با: | Microsoft Word 2007 و بالاتر |
تاکنون 263 نفر این محصول را تهیه کرده اند و 1 نظر برای آن ثبت شده است.
نظرات و دیدگاه ها
قوانین ثبت دیدگاه
- لطفاً دیدگاه های خود را فارسی تایپ کنید.
- دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
- از درج دیدگاه های تکراری پرهیز نمایید.
- سوالات تخصصی خودتان را از طریق تیکت پشتیبانی مطرح کنید.
قیمت 129,000 تومان
تاریخ انتشار: | 7 آبان 1397 |
---|---|
تاریخ بروزرسانی: | 26 اردیبهشت 1398 |
حجم فایل: | 1 مگابایت |
فرمت فایل | docx با قابلیت ویرایش |
نسخه: | 1.0 |
هماهنگی با: | Microsoft Word 2007 و بالاتر |
1 بازخورد (مشاهده نظرات)
قیمت: 129,000 تومان
مدیریت و پشتیبانی
نظرات و دیدگاه های خود را با ما درمیان بگذارید.