مقاله اعمال طبقه بندی کننده های مختلف بر روی نتایج دستگاه پریمتری برای تشخیص بیماری گلوکوم

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

  مقاله اعمال طبقه بندی کننده های مختلف بر روی نتایج دستگاه پریمتری برای تشخیص بیماری گلوکوم دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله اعمال طبقه بندی کننده های مختلف بر روی نتایج دستگاه پریمتری برای تشخیص بیماری گلوکوم  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 اعمال طبقه بندی کننده های مختلف بر روی نتایج دستگاه پریمتری برای تشخیص بیماری گلوکوم،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله اعمال طبقه بندی کننده های مختلف بر روی نتایج دستگاه پریمتری برای تشخیص بیماری گلوکوم :

تعداد صفحات:۸

چکیده:

گلوکوم یک بیماری پیش رونده عصب بینایی است که در صورت عدم کنترل با آسیب رساندن به عصب بینایی باعث تخریب میدان دید می شود. تست میدان دید توسط دستگاه پریمتری استاندارد (SAP) رایج ترین روش برای تشخیص بیماری گلوکوم است، اما در بعضی مواقع تفسیر نتایج این تست، کار ساده ای نیست. از آنجا که الگوریتم های مختلف یادگیری ماشینی پتانسیل خوبی را برای طبقه بندی نتایج پریمتری، در تشخیص این بیماری از خود نشان داده اند، در این مطالعه تعدادی از این الگوریتم ها شامل LDAو QDA، SVM و MOG به کار گرفته شده است. داده های مورد استفاده، حاصل از انجام تیت پریمتری بر روی ۱۳۷ بیمار و معاینات مرتبط، در بیمارستان رسول اکرم تهران می باشد. نتایج این الگوریتم ها با یکدیگر و نیز با شاخص های آماری STATPAC (بسته نرم افزاری موجود برای تفسیر نتایج دستگاه پریمتر)، مقایسه شده اند. برای مقایسه عملکرد طبقه بندی کننده های مختلف از سطوح زیر منحنی های ROC و حساسیت ها (Sensitivity) و قطعیت ها (Specificities) استفاده شده است. نتایج نشان می دهد که طبقه بندی کننده های یادگیری ماشینی، عملکرد بهتری نسبت به بهترین شاخص های STATPAC دارند و در کل هم خوانی مطلوبی بین نتایج این مطالعه با نتایج مطالعات انجام شده در دیگر کشورها دیده می شود که نشان دهنده تعمیم پذیری این الگوریتم ها بر داده های داخل کشور می باشد.