تشخیص اختلالات کبد با استفاده از ترکیب سیستم استنتاج عصبی- فازی تطبیقی و الگوریتم بهینه سازی ازدحام ذرات

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

 تشخیص اختلالات کبد با استفاده از ترکیب سیستم استنتاج عصبی- فازی تطبیقی و الگوریتم بهینه سازی ازدحام ذرات دارای ۹ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تشخیص اختلالات کبد با استفاده از ترکیب سیستم استنتاج عصبی- فازی تطبیقی و الگوریتم بهینه سازی ازدحام ذرات  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 اختلالات کبد با استفاده از ترکیب سیستم استنتاج عصبی- فازی تطبیقی و الگوریتم بهینه سازی ازدحام ذرات،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تشخیص اختلالات کبد با استفاده از ترکیب سیستم استنتاج عصبی- فازی تطبیقی و الگوریتم بهینه سازی ازدحام ذرات :

تعداد صفحات : ۹

مقدمه: بروز بیماری های کبد می تواند فرد را در طولانی مدت مستعد سرطان کبد نماید که از مرگبارترین نوع سرطان ها در جهان به شمار می رود و در عین حال، قابل پیشگیری است. تشخیص زودهنگام بیماری های کبدی، امری ضروری جهت درمان آنها می باشد. هدف از انجام پژوهش حاضر، دسته بندی وضعیت بیماران کبدی بر اساس شاخص های آزمایشگاهی با استفاده از رویکرد داده کاوی بود.
روش بررسی: در این مطالعه توصیفی، از الگوریتم های بهینه سازی ازدحام ذرات Particle Swarm Optimization)PSO) و سیستم استنتاج عصبی فازی تطبیقی Adaptive Neuro-Fuzzy Inference System)ANFIS) برای تشخیص اختلالات کبد در افراد سالم و بیمار استفاده گردید. بدین ترتیب، داده ها از پایگاه داده معتبر دانشگاه کالیفرنیا – ارواین University of California-Irvine) UCI) دریافت شد. برای ارزیابی روش پیشنهادی، معیارهای دقت، حساسیت و صحت مورد استفاده قرار گرفت.
یافته ها: ترکیب ANFIS و الگوریتم PSO با متوسط صحت ۱۴ / ۹۹ درصد برای مجموعه داده مبتلایان به بیماری های کبدی در هند Indian Liver atient Dataset) ILPDP) قادر به تشخیص اختلالات کبدی بود.
نتیجه گیری: نتایج به دست آمده حاکی از توانمندی بالای مدل ANFIS در تشخیص اختلالات کبد می باشد. مدل پیشنهادی نسبت به سایر مدل های مورد مقایسه دارای حداقل میزان خطا و بیشترین صحت و دقت است. بنابراین، به کارگیری این مدل در زمینه تشخیص بیماری های کبد پیشنهاد می شود.