ترجمه مقاله تشخیص اولیه سرطان پروستات با شبکه عصبی مصنوعی و ماشین بردار پشتیبانی - نشریه الزویر

ترجمه مقاله تشخیص اولیه سرطان پروستات با شبکه عصبی مصنوعی و ماشین بردار پشتیبانی - نشریه الزویر
قیمت خرید این محصول
۳۳,۰۰۰ تومان
دانلود رایگان نمونه دانلود مقاله انگلیسی
عنوان فارسی
تشخیص اولیه سرطان پروستات با استفاده از شبکه های عصبی مصنوعی و ماشین های بردار پشتیبانی
عنوان انگلیسی
Early prostate cancer diagnosis by using artificial neural networks and support vector machines
صفحات مقاله فارسی
14
صفحات مقاله انگلیسی
5
سال انتشار
2009
نشریه
الزویر - Elsevier
فرمت مقاله انگلیسی
PDF
فرمت ترجمه مقاله
ورد تایپ شده
رفرنس
دارد
کد محصول
7841
وضعیت ترجمه عناوین تصاویر و جداول
ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول
ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه
به صورت عکس، درج شده است
رشته های مرتبط با این مقاله
مهندسی کامپیوتر و پزشکی
گرایش های مرتبط با این مقاله
هوش مصنوعی، ایمنی شناسی پزشکی و ادرارشناسی یا اورولوژی
مجله
سیستم های خبره با کاربردهای آن - Expert Systems with Applications
دانشگاه
گروه ارولوژی، ترکیه
کلمات کلیدی
سرطان پروستات، آنتی ژن اختصاصی پروستات، شبکه های عصبی مصنوعی، ماشین بردار پشتیبانی
فهرست مطالب
چکیده
1 – مقدمه
2- مواد و یافته ها
2-1 شبکه عصبی مصنوعی (ANN)
2-1-1 الگوریتم گرادیان توام مدرج (SCG )
2-1-2 الگوریتم BFGS
2-1-3 الگوریتم لونبرگ – مارکواردت (LM)
2-2 ماشین بردار پشتیبانی
2-3 تست آماری
3 – نتایج
4 – بحث و تبادل نظر
5 – نتیجه گیری ها
نمونه چکیده متن اصلی انگلیسی
Abstract

The aim of this study is to design a classifier based expert system for early diagnosis of the organ in constraint phase to reach informed decision making without biopsy by using some selected features. The other purpose is to investigate a relationship between BMI (body mass index), smoking factor, and prostate cancer. The data used in this study were collected from 300 men (100: prostate adenocarcinoma, 200: chronic prostatism or benign prostatic hyperplasia). Weight, height, BMI, PSA (prostate specific antigen), Free PSA, age, prostate volume, density, smoking, systolic, diastolic, pulse, and Gleason score features were used and independent sample t-test was applied for feature selection. In order to classify related data, we have used following classifiers; scaled conjugate gradient (SCG), Broyden–Fletcher– Goldfarb–Shanno (BFGS), and Levenberg–Marquardt (LM) training algorithms of artificial neural networks (ANN) and linear, polynomial, and radial based kernel functions of support vector machine (SVM). It was determined that smoking is a factor increases the prostate cancer risk whereas BMI is not affected the prostate cancer. Since PSA, volume, density, and smoking features were to be statistically significant, they were chosen for classification. The proposed system was designed with polynomial based kernel function, which had the best performance (accuracy: 79%). In Turkish Family Health System, family physician to whom patients are applied firstly, would contribute to extract the risk map of illness and direct patients to correct treatments by using expert system such proposed.

نمونه چکیده ترجمه متن فارسی
چکیده
هدف مطالعه حاضر این است تا دسته کننده مبتنی بر سیستم خبره برای تشخیص اولیه عضو در فاز محدود برای رسیدن به تصمیم اگاهانه بدون بافت برداری از طریق بکار گیری بعضی خصیصه های منتخب طراحی گردد . هدف ما این است تا رابطه بین BMI ( شاخص جرم بدن ) ، فاکتور استعمال سیگار و سرطان پروستات بررسی گردد . داده های بکار رفته در این مطالعه از 300 مرد جمع آوری گردیدند ( 100 : سرطان غذه ؛ 200 : ابتلا به پروستات مزمن یا شروع پریاختگی پروستاتی ) . وزن ، قد ، BMI ، PSA ( انتی ژن خاص پروستات ) ، بدون PSA ، سن ، حجم پروستات ، دانسیته ، استعمال سیگار ، فشار سیستولیک ، انبساط قلب ، تپش و مشخصه های امتیاز Gleason استفاده گردیدند و تست تی نمونه مستقل برای انتخاب مشخصه اعمال گردید . ما با هدف دسته بندی داده های مرتبط از دسته کننده های زیر استفاده کرده ایم ؛ گرادیان درهم ریخته مقیاس گرفته شده (SCG) ، BFGS و الگوریتم های اموزش لونبرگ – مارکواردت شبکه های عصب مصنوعی و خطی ، توابع کرنل شعاعی و چند جمله ای ماشین برداری پشتیبانی . مشخص گردید که سیگار یک فاکتور برای فازایش ریسک سرطان پروستات محسوب می گردد نظر به این که BMI بر سرطان پروستات تاثیری ندارد . نظر به این که PSA ، حجم ، دانسیته و سیگار از نظر اماری چشمگیر بودند ، برای دسته بندی انتخاب گردیدند . سیستم پیشنهادی با تابع کرنل چند جمله ای طراحی شده است که دارای بهترین عملکرد بوده است . پزشک خانواده در سیستم سلامت خانواده ترکیه با بیمارانش در ابتدا بکار گرفته می شوند و در استخراج نقشه ریسک بیماری مشارکت خواهد داشت و بیماران را به درمان صحیح از طریق استفاده از سیستم خبره نظیر سیستم پیشنهادی هدایت می کند .

بدون دیدگاه