طراحی یک سیستم هوش محاسباتی برای بهبود تشخیص اسکلروز چندگانه با استفاده از پتانسیل برانگیخته ی بینایی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 طراحی یک سیستم هوش محاسباتی برای بهبود تشخیص اسکلروز چندگانه با استفاده از پتانسیل برانگیخته ی بینایی دارای ۲۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد طراحی یک سیستم هوش محاسباتی برای بهبود تشخیص اسکلروز چندگانه با استفاده از پتانسیل برانگیخته ی بینایی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی طراحی یک سیستم هوش محاسباتی برای بهبود تشخیص اسکلروز چندگانه با استفاده از پتانسیل برانگیخته ی بینایی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن طراحی یک سیستم هوش محاسباتی برای بهبود تشخیص اسکلروز چندگانه با استفاده از پتانسیل برانگیخته ی بینایی :

تعداد صفحات :۲۰

چکیده مقاله:

در این پژوهش، رویکردی جدید برای تنظیم پارامترهای توابع عضویت یک سیستم استنتاج فازی ارائه شده است کهمی تواند با استفاده از داده های پتانسیل برانگیخته ی بینایی، در قالب یک ابزار بازشناسی الگو به طبقه بندی بیماران اسکلروزچندگانه از افراد سالم بپردازد. در این روش از الگوریتم بهینه سازی گروه میگوها استفاده شده است تا پارامترهای مربوط بهتوابع عضویت ورودی ها و خروجی های یک سیستم استنتاج فازی اولیه از نوع سوگنو را گونه ای تغییر دهد که خطایمتناظر با یادگیری شبکه، کمینه گردد. این سیستم بازشناسی الگو برای طبقه بندی سیگنال های پتانسیل برانگیخته یبینایی در ۱۱ بیمار با تشخیص کلینیکی اماس و ۱۱ نمونه ی سالم به کار گرفته شد. ابتدا روشی موسوم به استخراج ویژگیروی سیگنال ها اعمال شد و سپس با بهره گیری از الگوریتم های بهینه سازی گسسته ی کلونی مورچگان و شبیه سازی تبرید،در چارچوب یک فرایند انتخاب زیرمجموعه ی ویژگی، ویژگی های مفید گزینش شدند. این زیرمجموعه از ویژگی ها، بهخودی خود، اطلاعات بیشتری درمورد ارزش کلینیکی برخی جنبه های سیگنال پتانسیل برانگیخته ی بینایی ارائه می دهدکه پیش از این مورد استفاده قرار نگرفته بودند، و میتوان در تشخیص اماس از آنها یاری جست. همچنین نشان دادهشده است که سیستم هوش محاسباتی طراحی شده عملکردی بهتر از سایر روشهای طبقه بندی هوشمند (شبکه هایعصبی مصنوعی، ماشین های بردار پشتیبانی، و سیستم استنتاج عصبی- فازی تطبیقی) دارد و قادر است با دقت کلی ۹۰درصد، بیماران اماس را از افراد سالم تمیز دهد.