دانلود شبیه سازی مقاله استفاده از شبکه عصبی مصنوعی در تشخیص پزشکی

کاربرد شبکه عصبی مصنوعی در پزشکی

شبکه های عصبی مصنوعی (ANN ها)، استفاده گسترده ای در علوم و فنآوری و همچنین کاربردهایی در شاخه های مختلف شیمی، فیزیک و زیست شناسی دارند. برای مثال، ANN ها، در سینماتیک شیمیایی، پیش بینی رفتار واکنش گرهای صنعتی، مدل سازی سینماتیک آزاد سازی دارو، بهینه سازی روش های الکتروفورزی، دسته بندی محصولات کشاورزی مانند واریته های پیاز و حتی تعیین گونه، مورد استفاده قرار می گیرند. بطور کلی، داده های بسیار متنوع، مانند دسته بندی اشیاء بیولوژیک، داده های سینماتیک شیمیایی یا حتی پارامترهای بالینی را می توان اساساً به صورت یکسان، مورد پردازش قرار داد. روش های محاسباتی پیشرفته، شامل ANN ها، از انواع مختلف داده های ورودی استفاده می کنند که در زمینه تاریخچه آموزش قبلی در یک پایگاه داده از نمونه های تعریف شده پردازش می شوند تا یک خروجی مرتبط از نظر بالینی، برای مثال، احتمال یک بیماری خاص یا دسته بندی اشیاء بیوپزشکی، تولید شود. بخاطر انعطاف پذیری اساسی داده های ورودی، ANN ها، مفید بودن خود را در تحلیل نمونه های خون و ادرار بیماران دیابتی، تشخیص سل ، دسته بندی سرطان خون، تحلیل نمونه های تزریق پیچیده و تحلیل تصویری رادیوگراف ها یا حتی بافت زنده، اثبات کرده اند. هدف این پروژه، بیان فلسفه کلی استفاده از ANN ها در روش های تشخیص از طریق نمونه های انتخاب شده می باشد و تغییرات هنگفت داده ها که می توانند به عنوان ورودی برای ANN ها عمل کنند را گزارش می دهد. در این پروژه نه تنها توجه به قدرت کاربردهای ANN ها داده می شود، بلکه همچنین بر ارزیابی محدودیت هایشان، روندهای احتمالی، و توسعه های آتی و ارتباط با شاخه های دیگر طب انسانی، تاکید می شود.

در شکل زیر، کاربردهای عمده شبکه های عصبی مصنوعی در پزشکی نشان داده شده است:

ANN ها، ابزاری قوی برای کمک به پزشکان برای انجام تشخیص و دیگر امور اجرایی می باشد. از این نظر، ANN ها، چندین مزیت دارند که شامل موارد زیر می باشند:

• توانایی پردازش حجم بزرگی از داده ها
• کاهش احتمال نادیده گرفتن اطلاعات مرتبط
• کاهش زمان تشخیص

ANN، مفید بودنشان را برای تشخیص رضایت بخش بیماری های مختلف اثبات کرده اند. علاوه بر آن، استفاده از آنها، باعث می شود تشخیص مطمئن تر شود و بنابراین رضایت بیمار را افزایش می دهد. اما، علیرغم کاربرد گسترده آنها در تشخیص مدرن، باید تنها به عنوان ابزاری برای تسهیل تصمیم نهایی یک متخصص بالینی، کسی که در نهایت مسئول ارزیابی اساسی خروجی ANN است، مورد ملاحظه قرار گیرد. روش های خلاصه سازی و بررسی تفصیلی داده های آموزنده و هوشمند، در حال بهبود پیوسته هستند و می توانند مشارکت زیادی در تشخیص پزشکی موثر، دقیق و سریع، داشته باشند.

این شبیه سازی با استفاده از نرم افزار متلب (MATLAB) انجام شده و در ادامه نیز تعدادی از نتایج خروجی آن قرار داده شده است: