استفاده از شبکههای عصبی مصنوعی و مقایسه با روشهای رگرسیونی در پیش بینی تراکم استخوان زنان یائسه ایرانی
توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد
استفاده از شبکههای عصبی مصنوعی و مقایسه با روشهای رگرسیونی در پیش بینی تراکم استخوان زنان یائسه ایرانی دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است
فایل ورد استفاده از شبکههای عصبی مصنوعی و مقایسه با روشهای رگرسیونی در پیش بینی تراکم استخوان زنان یائسه ایرانی 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 استفاده از شبکههای عصبی مصنوعی و مقایسه با روشهای رگرسیونی در پیش بینی تراکم استخوان زنان یائسه ایرانی،به هیچ وجه بهم ریختگی وجود ندارد
بخشی از متن استفاده از شبکههای عصبی مصنوعی و مقایسه با روشهای رگرسیونی در پیش بینی تراکم استخوان زنان یائسه ایرانی :
نام کنفرانس، همایش یا نشریه : مجله تحقیقات علوم پزشکی زاهدان (طبیب شرق) zahedan journal of research in medical sciences
تعداد صفحات :۱۲
به تازگی استفاده از شبکههای هوش مصنوعی (ANN) درپیشبینی اثرات متغیرهای متعدد و با روابط پیچیده بر روی یک متغیر خاص مورد توجه قرار گرفته است. عوامل محیطی و فیزیولوژیک متعددی در تخمین تراکم استخوان افراد دخیل دانسته شدهاند. در این مطالعه، قدرت ANN در پیشبینی وضعیت تراکم استخوان زنان یائسه ایرانی با روشهای قدیمی مقایسه شد. ۲۱۵۸ خانم یائسه ارجاع شده به مرکز تراکم سنجش استخوان بیمارستان دکتر شریعتی به طور تصادفی به سه گروه traning؛ (۱۴۰۰ نفر) Validation؛ (۱۵۰ نفر) و test؛ (۶۰۸ نفر) تقسیم شدند. ۱۰ متغیر سن، وزن، سن در هنگام یائسگی، استفاده از کورتیکواستروئیدها، استفاده از استروژن، تعداد حاملگی، سن در هنگام منارک، قد، میزان فعالیت و سیگار کشیدن در این افراد بررسی شدند. مدلهای Robust رگرسیون خطی چند متغیره و ANN در گروه اول ساخته و در گروه دوم Validate شدند و در گروه سوم تفاوت بین متغیرهای نتیجه (T scoreنواحی گردن فمور و مهرههای کمری) و مقادیر پیشبینی شده توسط دو مدل مقایسه شدند. برای تخمین قدرت پیشبینی استئوپروز از منحنی ROC با حد برابر ۲.۵- استفاده شد. مدلهای ANN با ۴ متغیر و بیشتر در پیشبینی T score ناحیه گردن فمور و با ۵ متغیر و بیشتر در پیشبینی T score ناحیه کمری از مدل رگرسیون قویتر بودند. این تفاوت نشانگر قدرت بیشتر مدلهای مبتنی بر شبکههای هوش مصنوعی در پیشبینی موارد استئوپروز با استفاده از ریسک فاکتورهای مختلف و لزوم استفاده از این فنآوری در موارد غربالگری جمعیتی میباشد.
کلید واژه: شبکههای هوش مصنوعی، تراکم معدنی استخوان، زنان یائسه
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.