مقاله ارزیابی استفاده از شبکه های عصبی مصنوعی جهت تشخیص و طبقه بندی بیماریهای چشمی با استفاده از نتایج پریمتری

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

  مقاله ارزیابی استفاده از شبکه های عصبی مصنوعی جهت تشخیص و طبقه بندی بیماریهای چشمی با استفاده از نتایج پریمتری دارای ۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله ارزیابی استفاده از شبکه های عصبی مصنوعی جهت تشخیص و طبقه بندی بیماریهای چشمی با استفاده از نتایج پریمتری  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 مقاله ارزیابی استفاده از شبکه های عصبی مصنوعی جهت تشخیص و طبقه بندی بیماریهای چشمی با استفاده از نتایج پریمتری،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله ارزیابی استفاده از شبکه های عصبی مصنوعی جهت تشخیص و طبقه بندی بیماریهای چشمی با استفاده از نتایج پریمتری :

تعداد صفحات:۶

چکیده:

Visual field sensitivity test results are crucial for accurate and efficient diagnosis of blinding diseases such as glaucoma, scotoma, homonymous, lesions of the optic nerves, lesions of the chiasm, etc. Typically in computerized perimeters, analysis of visual field sensitivity test results is performed by statistical methods. The purpose of these analyses is to help ascertain whether the test results are acceptable or not and also what the disorder is. Herein, first, Kohonen’s self – organizing map (SOM) is used to establish whether the Perimetry result is reliable or not. Then, Multilayer Perceptron (MLP), Probability Neural Network (PNN), Radial-Basis Function Network (RBFN) and Support Vector Machines (SVM) is used to analyze premetry results. By comparing the statistics, the artificial neural network classifiers show encouraging performance and SVM has the best performance.