تشخیص بیماری تالاسمی به کمک شبکه عصبی بهبودیافته تابع پایه شعاعی و الگوریتم تجمع ذرات (PSO-RBF)

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

 تشخیص بیماری تالاسمی به کمک شبکه عصبی بهبودیافته تابع پایه شعاعی و الگوریتم تجمع ذرات (PSO-RBF) دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تشخیص بیماری تالاسمی به کمک شبکه عصبی بهبودیافته تابع پایه شعاعی و الگوریتم تجمع ذرات (PSO-RBF)  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 تشخیص بیماری تالاسمی به کمک شبکه عصبی بهبودیافته تابع پایه شعاعی و الگوریتم تجمع ذرات (PSO-RBF)،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تشخیص بیماری تالاسمی به کمک شبکه عصبی بهبودیافته تابع پایه شعاعی و الگوریتم تجمع ذرات (PSO-RBF) :

تعداد صفحات :۹

چکیده مقاله:

بیماری تالاسمی نوعی اختلال در امر خونسازی است که از والدین ناقل ژن این بیماری، به فرزندان منتقل میشود. به دلیل تنوع شاخصهای خونی دخیل در تالاسمی و تنوع انواع آن، تشخیص این بیماری حتما باید توسط متخصص انجام شود؛ لذا وجود روشی که بتواند به صورت خودکار به عنوان دستیار پزشک، بیماری را تشخیص دهد در سرعت بخشیبه فرایند و دقت عمل پزشک مهم و کارساز است. در این مقاله روشی هوشمند برای تشخیص بیماری تالاسمی با استفاده از شبکه عصبی مصنوعی پیشنهاد شده است. طراحی شبکه به کمک مجموعهای از دادهها، شامل ۱۹ گروه مختلف از افراد سالم، ناقلان تالاسمی و بیماران تالاسمی، انجام شده است. این دادهها از آزمایشهای CBC و کروماتوگرافی مایع با عملکرد بالا استخراج شدهاند. طراحی سامانه به کمک شبکه عصبی RBF انجام شده و برای آموزش شبکه از ترکیب الگوریتمهای PSO,SD ،K-meansو OSD استفاده شده است. نتایج نشان میدهد که بهترین کارایی با دقت بیشینه۹۹/۵۹ و دقت میانگین ۹۹/۲۴ در حالت استفاده از الگوریتمهای،OSD و K-means, به دست آمده است. این نتایج نشان میدهد که استفاده از شبکه RBF و شاخصهای مربوط به CBC و انواع هموگلوبین، باعث ایجاد دقت بالایی در تشخیص خودکار تالاسمی میشود.