تشخیص سرطان سینه با استفاده از الگوریتم شبکه‌های عصبی مصنوعی
سرطان سینه شایع‌ترین سرطان در میان زنان است که در مردان نیز رخ می‌دهد. اخیراً مدل‌هایی که با دقت بالا بتوانند بقاي این بیماران را در افراد مبتلا پیش‌بینی نمایند، مورد توجه است. تشخیص سرطان سینه با شبکه عصبی یکی از مدل هایی است که در میان محققین از محبوبیت بالایی بر خوردار است. در این پروژه با استفاده از نرم افزار متلب تشخیص سرطان سینه با شبکه عصبی شبیه سازی می شود. که در نوع خود بالاترین میزان دقت در تشخیص را انجام می دهد. در ادامه نحوه کار این شبیه سازی و دیتاست و متغیر های مورد استفاده توضیح داده می شود.
دیتاست
دیتاست مورداستفاده مجموعه داده بیماران سرطان سینه موجود در مخزن داده‌ی یادگیری ماشین دانشگاه ارواین، ایالت کالیفرنیا آمریکا (University of California at Irvine) است و در آدرس آنلاین آن موجود می‌باشد و شامل ریسک فاکتورهای ضخامت انبوه، یکنواختی اندازه سلول، یکنواختی شکل سلول، چسبندگی لبه‌ها، حجم سلول بافت اپیتلیال، هسته‌های عریان، کروماتین بلاند، هسته عادی و تقسیم هسته سلول به دو قسمت می‌باشد که در ایالت ویسکانسین ایالات‌متحده جمع‌آوری‌شده است. جدول زیر نشان‌دهنده این مجموعه از داده است.
| Domain | Attribute | # |
| id number | code number | 1 |
| 1 – 10 | Clump Thickness | 2 |
| 1 – 10 | Uniformity of Cell Size | 3 |
| 1 – 10 | Uniformity of Cell Shape | 4 |
| 1 – 10 | Marginal Adhesion | 5 |
| 1 – 10 | Single Epithelial Cell Size | 6 |
| 1 – 10 | Bare Nuclei | 7 |
| 1 – 10 | Bland Chromatin | 8 |
| 1 – 10 | Normal Nucleoli | 9 |
| 1 – 10 | Mitoses | 10 |
| 2 for benign, 4 for malignant | Class | 11 |
ویژگی ها یا Attribute ها
9 ویژگی در این ساختار مشخص است و سطر آخر نیز نمایان گر نوع کلاس است که به‌صورت خوش‌خیم (2) و بدخیم (4) مشخص‌شده است و مشخصات تعداد 699 نمونه از افراد مبتلا به سرطان در این مجموعه داده در سال 1992 جمع‌آوری‌شده است. داده‌های موجود در این مجموعه به سه دلیل بایستی پیش‌پردازش شوند.
در این مجموعه داده، مقدار بعضی داده‌ها وارد نشده بود که به‌اصطلاح داده‌های گمشده بودند، هدف از این پیش‌پردازش این بود که داده‌های گمشده حذف شوند که در روند شبیه‌سازی خطا را کم کنند. سطرهایی که شامل داده‌های گمشده بودند حذف شدند که پس‌ازاین مرحله 683 سطر باقی ماند.
ازآنجاکه شماره شناسایی بیماران جزء فاکتورهای تشخیصی نوع سرطان پستان نبود در پیش پردازش داده ها حذف شدند. در پایان داده‌ها با روش خطی نرمال شدند به‌گونه‌ای که مقادیر عددی آن‌ها بین صفر و یک قرار گیرد که ازنظر فنی قابل‌اعمال به شبکه عصبی احتمالی شود. فایل این مجموعه داده در شبیه ساز متلب IOdata نام دارد. بطور کلی این داده ها طبق دیاگرام زیر به شبکه عصبی تزریق می شود تا تشخیص سرطان سینه با شبکه عصبی در دو گروه خوش خیم و بد خیم انجام شود.
خروجی شبیه سازی
پس از انجام شبیه سازی خروجی های مربوط به پارامترهای دقت، صحت، Recall، F1 و معیار های آماری کاپا، میانگین خطای مطلق (MAE)، ریشه میانگین مربعات خطا (RMSE)، خطای نسبی مطلق (RAE)، ریشه نسبی مربعات خطا (RRSE) در Command Windows متلب قابل مشاهده است. تصاویری از خروجی نمودارها در پروژه تشخیص سرطان سینه با شبکه عصبی در ادامه آورده شده است.
ویدئوی آموزشی از نحوه اجرای پروژه
محصول
این محصول دارای توضیحات در داخل فایل دانلود می باشد و فایل دانلودی بصورت zip می باشد. کیفیت محصول توسط کارشناسان پی استور بررسی و تایید شده است. پی استور کیفیت فایل شبیه سازی را تضمین می کند. برای دانلود، این محصول را با قیمت استثنایی خرید کنید پس از خرید محصول، لینک دانلود پروژه به صورت آنی در اختیار شما قرار می گیرد.
قوانین ثبت دیدگاه
- دیدگاه های فینگلیش تایید نخواهند شد.
- دیدگاه های نامرتبط به مطلب تایید نخواهد شد.
- از درج دیدگاه های تکراری پرهیز نمایید.
- امتیاز دادن به محصول فقط مخصوص خریداران آن می باشد.
اطلاعات فروشنده
- نام فروشگاه: امین جلیل زاده
- فروشنده: امین جلیل زاده رزین
- آدرس: آذربایجان شرقی
- 4.91 امتیاز از 275 دیدگاه
بررسی اثر سه کلاسه کردن دسته‌بندی بر روی دقت تشخیص اسپم در ایمیل های فارسی
این داکیومنت در 135 صفحه در قالب ورد بصورت نگارش آکادمیک کامل فارسی منتشر شده است. بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت.
با خرید این محصول از مزایای زیر بهره‌مند می‌شوید:
- دسترسی به فایل محصول به صورت مادام‌العمر
- ۶ ماه پشتیبانی کاملا رایگان و تضمین شده
تشخیص سرطان سینه با استفاده از الگوریتم جستجوی گرانشی و شبکه‌های عصبی مصنوعی
این داکیومنت در 72 صفحه در قالب Word به قابل دانلود است خرید محصول توسط کلیه کارت های شتاب امکان پذیر است و بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت.
با خرید این محصول از مزایای زیر بهره‌مند می‌شوید:
- دسترسی به فایل محصول به صورت مادام‌العمر
- ۶ ماه پشتیبانی کاملا رایگان و تضمین شده
پیمایش درخت Inorder در سی پلاس پلاس ++C
پیمایش درخت Inorder در سی پلاس پلاس ++C عنوان مطلبی است که در این پست به آن پرداخته شده است. پیمایش درخت‌ها نیز معمولا جهت محاسبه‌ی مقادیری انجام می‌شود که برای حل برخی مسائل کاربرد دارند. یکی از این مقادیر دنباله‌های پیش‌ترتیب Preorder، میان‌ترتیب Inorder و پس‌ترتیب Postorder مربوط به درخت‌ها می‌باشد.
شبیه سازی شکار در الگوریتم بهینه سازی وال یا نهنگ WOA در متلب
این فایل در متلب نوشته شده و بصورت زیپ قابل دانلود می باشد. برای دانلود محصول آن را خریداری کنید. بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت.
با خرید این محصول از مزایای زیر بهره‌مند می‌شوید:
- دسترسی به فایل محصول به صورت مادام‌العمر
- ۶ ماه پشتیبانی کاملا رایگان و تضمین شده
پاورپوینت پروتکل خوشه بندی ASLPR
این پاورپوینت برای ارائه درسی شبکه های کامپیوتری، شبکه های حسگر بیسیم، ارائه در مورد پروتکل های خوشه بندی و الگوریتم های خوشه بندی با رویکرد تکاملی می باشد. پاورپوینت پروتکل خوشه بندی ASLPR برای ارائه در مورد یک روش خوشه بندی مبتی بر لیچ با فرآیند بهبود با الگوریتم تکاملی است.
كنترل هم روندی Conflict Serializability در پایگاه داده با متلب
این فایل به زبان Matlab و بصورت zip شده قابل دانلود است. بلافاصله پس از خرید، لینک دانلود محصول در اختیار شما قرار خواهد گرفت.
با خرید این محصول از مزایای زیر بهره‌مند می‌شوید:
- دسترسی به فایل محصول به صورت مادام‌العمر
- ۶ ماه پشتیبانی کاملا رایگان و تضمین شده
محصولات مشابه
قیمت 45,000 تومان
امین جلیل زاده
مشاهده فروشگاهکارشناس ارشد رشته مهندسی کامپیوتر گرایش نرم افزار - پایه گذار و موسس وب سایت آموزشی پی استور، مدرس دانشگاه فنی و حرفه ای، برنامه نویس و تحلیل گر سیستم، پژوهشگر در حوزه الگوریتم های ابتکاری، فرا ابتکاری، یادگیری ماشین، شبکه و پایگاه داده. ایشان در زبان های برنامه نویسی متعدد، نظیر ++C، سی شارپ، PHP ،Java، متلب MATLAB و Python تسلط و سابقه تدریس فعال دارند.
programstore(مدیریت)
نظرات و دیدگاه های خود را با ما درمیان بگذارید.