فایل ورد قابل ویرایش
چكيده: مجهز شدن علم پزشكي به ابزارهاي هوشمند در تشخيص و درمان بيماريها مي تواند اشتباهات پزشكان و خسارت جاني و مالي را كاهش ميدهد. دراين مقاله كاربردها نوعي شبكههاي عصبي در پزشكي مورد بررسي قرار گرفته است تلاش مابراين بوده است كه مقاله هم براي محققان هوش مصنوعي و هم براي پزشكي قابل استفاده باشد. بررسي نمونههاي عملي انجام شده ايدههاي مناسبي براي تحقيقات بعدي ايجاد مي كند. بخش 1 مقدمهاي بر سوابق شبكههاي عصبي در علم پزشكي مي باشد. بخش 2 به بررسي روشهاي استفاده از شبكههاي عصبي در تشخيص بيماريها مي پردازد. پيش بيني آگاهي در مورد امراض در بخش 3 و كاربرد شبكههاي عصبي در مهندسي پزشكي در بخش 4 بررسي ميشوند با ارائه جمع بندي در بخش 5 مقاله خاتمه مييابد.
كلمات كليدي: شبكههاي عصبي، تشخيص بيماري، پيش آگاهي بيماري، مهندسي پزشكي.
1- مقدمه
شبكههاي عصبي از اواخر 1980 در پزشكي مورد استفاده قرار گرفتند. هر دو نوع شبكه با يادگيري با معلم (Supervised) و بدون معلم (unsupervised) به عنوان راهكارهاي موفقي در طب استفاده شدهاند. در بسياري از تحقيقات طبي كه نتيجه گيري از دادههاي حجيم مربوط به يك بيماري خاص به طور دستي امكان نداشته است، شبكههاي عصبي توانستهاند در تشخيص بيماري به پزشكان ياري رسانند. همچنين در بسياري از مسائل پزشكي نظير پيش بيني اميد زندگي بيماران خاص و يا ساخت و يا ساخت ابزارهاي پزشكي شبكههاي عصبي مورد بهرهبرداري قرار گرفتهاند. دقت و صحت نتايج نهايي بدست آمده از شبكه فقط به ساختار شبكه وابسته نبوده بلكه به دادههايي كه براي آموزش شبكه به كار ميروند نيز بستگي دارد. اگر اطلاعات درست از تعداد بيماران بيشتري در دست باشد، عملكرد شبكه بهبود قابل توجهي خواهد يافت.
* نكته مهم، نحوة استخراج اطلاعات در بيماري و يا هر كاربرد ديگر پزشكي است سعي شده است كه به نحوي قابل فهم اين روشها در هر سه مورد شرح داده شوند، تا ديد لازم به افراد متخصص علاقهمند داده شود. كاربردهاي شبكه عصبي پزشكي را در سه بخش ارائه دادهايم: تشخيص بيماريها، پيش بيني و پيش آگاهي، مهندسي پزشكي.
2- تشخيص بيماريها
تشخيص بيماري مهمترين مرحله كار درمان مي باشد. به علت اين كه در بسياري از موارد پردازش دادههاي وسيع مربوط به يك بيماري خاص به طور دستي براي پزشكان امكان ندارد و يا بسيار پيچيده و طولاني است به كار بردن شبكههاي عصبي كه بسيار سريع و تا حد قابل قبولي قابل اعتمادند، توانسته بسياري از اين مشكلات را حل كند. نحوة استخراج اطلاعات در هر بيماري بسيار با اهميت است و هر چه از تعداد بيماران بيشتري استفاده شود، عملكرد شبكه بهتر خواهد بود. در اينجا چند نمونه از تحقيقات انجام گرفته را بررسي مي كنيم.
الگوریتم gradient descent
با توجه به نحوه تعریف E سطح خطا بصورت یک سهمی خواهد بود. ما بدنبال وزنهائی هستیم که حداقل خطا را داشته باشند . الگوریتم gradient descent در فضای وزنها بدنبال برداری میگردد که خطا را حداقل کند. این الگوریتم از یک مقدار دلبخواه برای بردار وزن شروع کرده و در هر مرحله وزنها را طوری تغییر میدهد که در جهت شیب کاهشی منحنی فوق خطا کاهش داده شود.
مشکلات روش gradient descent
در ضمن این روش وقتی قابل استفاده است که:
l فضای فرضیه دارای فرضیه های پارامتریک پیوسته باشد.
l رابطه خطا قابل مشتق گیری باشد
تقریب افزایشی gradient descent
میتوان بجای تغییر وزنها پس از مشاهده همه مثالها، آنها را بازا هر مثال مشاهده شده تغییر داد. در این حالت وزنها بصورت افزایشی incremental تغییر میکنند. این روش را stochastic gradient descent نیزمینامند.
مجموعه فایل پاورپوینت داده کاوی
حجم:9044KB | بازدید :2610
علم داده کاوی عبارتست از استخراج اطلاعات ,دانش وکشف الگوهای پنهان از پایگاه داده های بسیار...
حجم:5698KB | بازدید :2773
در این بخش بر روی مدلهای لاجیت وپروبیت تاکید می شود .از آنجایی که این مدلها بسیار بهم مرتبط اند آنها را به عنوان مدلهی رگرسیون ترتیبی بیان می...
حجم:3094KB | بازدید :433
برنامه ریزی استراتژیک یک روش منطقی ودر عین حال ساده برای ایجاد یک ساختار تصمیمگیری مناسب درجهت دستیابی اهداف سازمانی است امروزه سازمانها ناگزیرند که به اندیشه های خود درباره تغییر ,تحول ,نوآفرینی ودگرگونی شکل دهند...
پاور پوینت سیاست وتوسعه کشاورزی
حجم:3053KB | بازدید :424
قسمتی از متن تاریخچه این گستره از علم را می توان تقریبا به دو دوره تقسیم نمود: 1- دوره رشد و نوسازی اقتصادی: این مقطع دهه های1940، 1950 و 1960 را شامل می شود. در این دوره، توسعه را عمدتا بر اساس رشد متوسط تولید سرانه تعریف می کردند. در این زمینه امور زیر مورد بررسی قرار...
حجم:1308KB | بازدید :2874
قسمتی از متن جستجو براي اطلاعات با ارزش در ميان حجم زيادي از داده ,استخراج اتوماتيک مدل از داده,فرآيند استخراج اطلاعات نهفته در حجم زيادي از داده داده کاوي يکي از مراحل KDD است KDD از تکنيکهايي نظير پيش پردازش ، تميز سازي، تبديل، داده کاوي و ... براي استخراج...
دانلود پاورپوینت الگوریتم ژنتیک
حجم:1005KB | بازدید :256
مفاهیم الگوریتم, زمینه بیولوژیکی ,زمینه تاریخی ,نمودار گردشی فرآیند, مکانیسم GA ,وهمچنین حل...
حجم:32KB | بازدید :2804
قسمتی ازمتن lData Mining عبارت است از اقتباس يا استخراج دانش از مجموعه ای از داده ها ، به بيان ديگر ، Data Mining فرايندی است که با استفاده از تکنيکهای هوشمند، دانش را از مجموعه ای از داده ها استخراج می کند. l lData Mining از ساخت مدل های تحليلی ، دسته بندی و پيش بينی اطلاعات و...