دانلود شبیه سازی مقاله تشخیص انواع بیماری هپاتیت با شبکه عصبی

تشخیص بیماری هپاتیت

تشخیص بیماری ها یکی از مهم ترین مشکلات پزشکی است. تشخیص پزشکی، وظیفه دشوار و بصری است که عمدتا توسط پزشکان متخصص انجام می شود. دو مسئله رایج در زمینه تشخیص اتوماتیک و کامپیوتری وجو دارد که شامل: انتخاب پارامتر لازم برای تشخیص درست و تشکیل یک الگوریتم پایدار و قدرتمند که نیازی به زمان طولانی برای اجرا نیست، می باشد. یکی از بیماری های خطرناک بیماری هپاتیت است که نیاز به تشخیص و درمان زود هنگام دارد.

در حال حاضر شبکه های عصبی به طور گسترده ای برای تشخیص بیماری ها مورد استفاده قرار گرفته اند. یک راه حل منطقی برای مشکلات پزشکی می تواند توسط الگوریتم های شبکه عصبی ارائه شود. در این مقاله، سه الگوریتم شبکه عصبی برای تشخیص بیماری های هپاتیت بررسی شده است. دو ساختار شبکه استاندارد، ساختار چندپایه ی (MLP) که با استفاده از روش استاندارد برگشتی و ساختار شبکه ای RBF آموزش دیده شده توسط الگوریتم OLS و یک شبکه ترکیبی، شبکه عصبی عملکردی کانونی (CSFNN) با یادگیری سازگار، برای هپاتیت مورد استفاده قرار گرفت است.

شبیه سازی ها در نرم افزار متلب صورت گرفته است. در این شبیه سازی ما برای بررسی روش از دیتای کشور ایران و ۱۰۰ بیمار هپاتیتی استفاده کرده ایم و شبیه سازی های خود را برای حالت دیتای واقعی انجام داده ایم که داده ها و برنامه شبیه سازی شده به همراه گزارش کار بعد از خرید، قابل دانلود خواهد بود.
در ادامه بخشی از نتایج حاصل از شبیه سازی ها نشان داده شده است.

تشخیص بیماری هپاتیت