آخرین مهلت ارسال مقالات برای دوره ۲ -شماره ۷ -پاییز ۱۴۰۳:
(۳۰ آذر ماه ۱۴۰۳)
ارائه معماری مبتنی بر اینترنت اشیا جهت پایش فعالیتهای بیماری با استفاده از یادگیری عمیق
دوره 2، شماره 6، 1403، صفحات 21 - 39
1 ندارم
2 ندارند
چکیده :
در دنیای امروزی، سرطان سینه یکی از دلایل مرگومیر و از وحشتناکترین بیماریها شناختهشده است، که یکی از علل بالقوه مرگ در زنان است. بااینکه یکی از قابلدرمانترین بیماریها محسوب میشود اما مهم این است که با تشخیص به هنگام آن میتوان میزان مرگومیر در طولانیمدت را کاهش داد. بهعنوان راهحلی برای پیشبینی و درمان این بیماری، سیستم تشخیص خودکار بیماری در تشخیص و تجزیهوتحلیل به حوزه پزشکی کمک شایانی میکند که پاسخ سریع، قابلیت اطمینان، اثربخشی و همچنین کاهش خطر مرگ را ارائه میدهد. لذا در این مقاله از الگوریتم حافظه کوتاهمدت طولانی (LSTM) که يک الگوريتم يادگيری است استفاده شد، چراکه منجر به مدلهايی پايدارتر و با دقت بيشتر میشود. نتایج شبیه سازی و مقایسه با دیگر مقالات نشان داد که استفاده از این الگوریتم موجب بهبود دقت و حساسیت در تشخیص سرطان سینه شده و توانستیم با کمک الگوریتم LSTM به تشخيص اينكه آيا منطقه مشكوك ناژول است يا خير برسیم. ارزیابیها نشان میدهد كه حساسيت روش پيشنهادي بهخصوص در برخورد با ناژول هاي كوچك بسيار مطلوب است. نرخ خطاي مثبت برآورد شده براي روش پيشنهادي 16.67% است كه نسبت به كارهاي ديگر كمتر است
در دنیای امروزی، سرطان سینه یکی از دلایل مرگومیر و از وحشتناکترین بیماریها شناختهشده است، که یکی از علل بالقوه مرگ در زنان است. بااینکه یکی از قابلدرمانترین بیماریها محسوب میشود اما مهم این است که با تشخیص به هنگام آن میتوان میزان مرگومیر در طولانیمدت را کاهش داد. بهعنوان راهحلی برای پیشبینی و درمان این بیماری، سیستم تشخیص خودکار بیماری در تشخیص و تجزیهوتحلیل به حوزه پزشکی کمک شایانی میکند که پاسخ سریع، قابلیت اطمینان، اثربخشی و همچنین کاهش خطر مرگ را ارائه میدهد. لذا در این مقاله از الگوریتم حافظه کوتاهمدت طولانی (LSTM) که يک الگوريتم يادگيری است استفاده شد، چراکه منجر به مدلهايی پايدارتر و با دقت بيشتر میشود. نتایج شبیه سازی و مقایسه با دیگر مقالات نشان داد که استفاده از این الگوریتم موجب بهبود دقت و حساسیت در تشخیص سرطان سینه شده و توانستیم با کمک الگوریتم LSTM به تشخيص اينكه آيا منطقه مشكوك ناژول است يا خير برسیم. ارزیابیها نشان میدهد كه حساسيت روش پيشنهادي بهخصوص در برخورد با ناژول هاي كوچك بسيار مطلوب است. نرخ خطاي مثبت برآورد شده براي روش پيشنهادي 16.67% است كه نسبت به كارهاي ديگر كمتر است
کلمات کلیدی :
سرطان سینه-الگوریتم LSTM-یادگیری ماشین-تشخیص- پیشبینی-دقت
سرطان سینه-الگوریتم LSTM-یادگیری ماشین-تشخیص- پیشبینی-دقت
-
21
-
0
-
1403/06/16
-
1403/06/20
-
1403/06/28