ترجمه مقاله داده کاوی مجموعه داده سرطان پروستات با شبکه های عصبی - نشریه IEEE

قیمت خرید این محصول

۱۰۸,۰۰۰ تومان

دانلود رایگان نمونه دانلود مقاله انگلیسی

عنوان فارسی

داده کاوی مجموعه داده سرطان پروستات با استفاده از شبکه های عصبی

عنوان انگلیسی

Data Mining a Prostate Cancer Dataset Using Neural Networks

صفحات مقاله فارسی

صفحات مقاله انگلیسی

سال انتشار

2006

نشریه

آی تریپل ای - IEEE

فرمت مقاله انگلیسی

PDF

فرمت ترجمه مقاله

ورد تایپ شده

رفرنس

دارد

کد محصول

7843

رشته های مرتبط با این مقاله

مهندسی کامپیوتر و پزشکی

گرایش های مرتبط با این مقاله

ادرارشناسی یا اورولوژی، ایمنی شناسی پزشکی و هوش مصنوعی

مجله

کاربرد شبکه های عصبی در مهندسی برق - Neural Network Applications in Electrical Engineering

دانشگاه

دانشگاه وست مینستر، دانشکده علوم کامپیوتر هارو، لندن، انگلستان

کلمات کلیدی

دسته کننده سرطان، فراگیری ماشین، مجموعه داده سرطان پروستات، رداکت ها، مجموعه های سخت

۰.۰ (هنوز امتیازی ثبت نشده است)

فهرست مطالب

چکیده
I.مقدمه
II . روش ها
A . مجموعه های سخت
B . شبکه عصبی تابع مبنای شعاعی
III . نتایج
IV. بحث و تبادل نظر

نمونه چکیده متن اصلی انگلیسی

Abstract

Prostate cancer remains one of the leading causes of cancer death worldwide, with a reported incidence rate of 650,000 cases per annum worldwide. The causal factors of prostate cancer still remain to be determined. In this paper, we investigate a medical dataset containing clinical information on 502 prostate cancer patients using the machine learning technique of rough sets and radial basis function neural network.. Our preliminary results yield a classification accuracy of 90%, with high sensitivity and specificity (both at approximately 91%). Our results yield a predictive positive value (PPN) of 81% and a predictive negative value (PNV) of 95%.

نمونه چکیده ترجمه متن فارسی

چکیده
سرطان پروستات یکی از علت های اصلی مرگ و میر در جهان با نرخ شیوع گزارش شده 650000 مورد در هر سال می باشد . فاکتور های سببی سرطان پروستات هنوز بایستی تعیین گردند . ما در مقاله حاضر مجموعه داده پزشکی حاوی اطلاعات کلینیکی را در 502 مورد بیمار سرطان پروستات با استفاده از تکنیک فراگیری ماشین مجموعه های سخت و شبکه عصبی تابع مبنای شعاعی بررسی می کنیم . نتایج مقدماتی ما به دقت دسته بندی 90 درصد با حساسیت و تخصص بالا منجر می شوند ( تقریبا 91 درصد ) . نتایج ما به مقدار مثبت پیشگویانه (PPN) 81 درصد و مقدار منفی پیشگویانه (PVN) 95 درصد منجر می گردند .