ارزیابی الگوریتم های یادگیری ماشین و شبکه های عصبی مصنوعی در تشخیص و طبقه بندی بیماری کبدی
Publish place: 2nd International Conference on New Researches and Technologies in Electrical Engineering (ICNRTEE)
Publish Year: 1403
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 93
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICNRTEE02_015
تاریخ نمایه سازی: 4 مهر 1403
Abstract:
کبد یک عضو گوارشی کمکی مهم می باشد که به عنوان دومین اندام بزرگ داخلی نقش مهمی در پاکسازی بدن از سموم دارد. در سال های اخیر آمار مرگ و میر ناشی از اختلالات کبدی به شدت افزایش یافته است. تشخیص به موقع این اختلالات می توان در پیشگیری و نیز کنترل و درمان آنها موثر واقع شود. هدف پژوهش حاضر تحلیل داده های کبدی به منظور تشخیص بیماری کبدی است. ما از داده های کبدی پایگاه UCI Mashine Learning با ۵۸۳ نمونه شامل ۱۱ ویژگی استفاده کردیم. برای طبقه بندی از رویکردهای مختلف یادگیری ماشین، شبکه های عصبی پرسپترون چندلایه و پیشخور و بازگشتی استفاده نمودیم. در انتها برای طبقه بندی از دو روش رایج طبقه بند ماشین بردار پشتیبان SVM و کی نزدیک ترین همسایگی KNN استفاده شد که در هر طبقه بند ۶ مدل مورد بررسی قرار گرفت. نتایج تجربی مطالعه حاضر نشان داد که طبقه بند KNN,SVM به ترتیب با درصد صحت ۷۵/۸ و ۷۵/۶ اختلالات کبدی را از سالم تفکیک کرد.
Keywords:
Authors
ارزو صنعتی فهندری
دانشجوی کارشناسی ارشد گروه مهندسی پزشکی دانشگاه بین المللی امام رضا (ع) مشهد
سارا مشیریان
دانشجوی کارشناسی ارشد گروه مهندسی پزشکی دانشگاه بین المللی امام رضا (ع) مشهد
عاتکه گشوارپور
استادیار گروه مهندسی پزشکی دانشگاه بین المللی امام رضا (ع) مشهد