ارائه الگوریتمی موثر برای تشخیص عفونت قلب با استفاده از ساختارهای شبکه عصبی مصنوعی
200,000 تومان
150,000 تومان
پرداخت و دریافت فایل
الگوریتم تشخیص بیماری قلبی. بیماری اندوکاردیت عفونی قلب.، نوعی بیماری قلبی است که ناشی از عفونت باکتریال سطوح قلبی بوده و بعنوان تهدیدی جدی برای زندگی انسان شناخته شده است. از سوی دیگر امروزه استفاده از شبکه های عصبی در تشخیص بیماری های مختلف از جمله. بیماری های قلبی رشد روزافزونی داشته است. یکی از مهمترین مشکلات بیماران عفونت قلبی.، تشخیص این بیماری و همچنین صرف زمان و هزینه های بالای آزمایشگاهی برای تشخیص ابتدایی پزشکان است.
در این پایان نامه روشی ارائه شده است که با استفاده از شبکه های عصبی مصنوعی.، بیماری اندوکاردیت عفونی قلبی را با صرف کمترین زمان. و کمترین هزینه. آزمایشگاهی.، با اطمینان بالایی تشخیص دهد.
در روش ارائه شده
در روش ارائه شده که شامل چهار سطح از آزمایشات می باشد. ابتدا به اولویت بندی متغیرهای این بیماری.، مبتنی بر وزن دهی متغیرها به نتایج حاصل از روش های رگرسیون حداقل مربعات متعامد.، آنالیز مولفه های اصلی و همچنین وزن دهی متغیرها بر اساس هزینه های واقعی آزمایشگاهی.، پرداخته شده است و اولویت نهایی بدست آمده در هشت مدل ساختار تغییر یافته پرسپترون چندلایه.، تابع پایه شعاعی.، مدل بردار پشتیبان.، نزدیک ترین همسایه.، رگرسیون عمومی شبکه عصبی.، طبقه بندی ساده بیز.، الگوریتم خوشه بندی.c. میانگین.، درخت تصمیم.، پیاده سازی و آزمایش شده است. تا تأثیر هر ساختار را در ارضای ویژگی های هزینه.، زمان.، دقت.، صحت و حساسیت بررسی کرده و بهترین ساختار شبکه عصبی را در تشخیص عفونت قلبی انتخاب نماید.
آزمایشات انجام شده بر روی تعداد 420 پرونده موجود در بیمارستان امام خمینی تهران (.شامل 210 پرونده افراد بیمار و 210 پرونده افراد سالم). نشان داده است که روش ارائه شده نه تنها قادر است بیماری اندوکاردیت عفونت قلب را با دقت .97.6% و حساسیت .100% و صحت .95.6% تشخیص دهد بلکه در کاهش زمان و کاهش هزینه تشخیص این بیماری، عملکرد قابل قبولی داشته است.
۱- کلیات تحقیق…………………………………………………………………………………………………………………………… ۳
۱-۱- تعریف مسئله و بیان سؤال اصلی تحقیق……………………………………………………………………………… ۴
۱-۲- ضرورت انجام تحقیق……………………………………………………………………………………………………….. ۵
۱-۲-۱- بیماری های قلبی …………………………………………………………………………………………………….. ۵
۱-۲-۲- اندوکاردیت عفونی قلب…………………………………………………………………………………………….. ۵
۱-۲-۳- علائم اندوکاردیت عفونی قلب …………………………………………………………………………. ۸
۱-۲-۴- تظاهرات بالینی………………………………………………………………………………………………………….. ۹
۱-۲-۵- عوارض اندوکاردیت عفونی قلب……………………………………………………………………………….. ۱۰
۱-۲-۶- روش های تشخیص ………………………………………………………………………………………………….۱۱
۱-۲-۷- اکوکاردیوگرافی (اکو) چیست؟……………………………………………………………………………………۱۱
۱-۲-۸- تشخیص اندوکاردیت عفونی قلب……………………………………………………………………………….۱۲
۱-۲-۹- عواقب مورد انتظار…………………………………………………………………………………………………….۱۲
۱-۳- فرضیه ها…………………………………………………………………………………………………………………………۱۳
۱-۴- هدف………………………………………………………………………………………………………………………………۱۳
۱-۵- کاربرد تحقیق…………………………………………………………………………………………………………………..۱۳
۱-۶- استفاده کنندگان از نتیجه پژوهش……………………………………………………………………………………….۱۴
۱-۷- جنبه جدید بودن و نوآوری طرح……………………………………………………………………………………….۱۴
۱-۸- جامعه ی آماری…………………………………………………………………………………………………..۱۴
۱-۹- روش تجزیه و تحلیل اطلاعات………………………………………………………………………………………….۱۴
۲- مبانی نظری تحقیق………………………………………………………………………………………………………………..۱۵
۲-۱- شبکه عصبی…………………………………………………………………………………………………………………..۱۶
۲-۲- تعریف شبکههای عصبی زیستی……………………………………………………………………………………….۱۷
۲-۳- روش کار نورونها………………………………………………………………………………………………………….۱۸
۲-۴- تعریف شبکه عصبی مصنوعی………………………………………………………………………………………….۱۹
۲-۴-۱- ایده پیدایش شبکههای عصبی مصنوعی…………………………………………………………………….۲۰
۲-۴-۲- کاربردهای شبکههای عصبی مصنوعی………………………………………………………………………۲۱
۲-۴-۳- نورون مصنوعی…………………………………………………………………………………………………….۲۲
۲-۴-۴- ساختار شبکه های عصبی……………………………………………………………………………………….۲۲
۲-۴-۵- آموزش شبکه های عصبی………………………………………………………………………………………۲۴
۲-۴-۶- معایب شبکه های عصبی ………………………………………………………………………………………۲۵
۲-۴-۷- توانایی های شبکه عصبی ……………………………………………………………………………………..۲۵
۲-۵- معرفی انواع شبکه عصبی، کلاس بندها و طبقه بندی ها…………………………………………………….۲۷
۲-۵-۱- شبکه عصبیMLP……………………………………………………………………………………………….۲۷
۲-۵-۲-شبکه عصبیRBF………………………………………………………………………………………………….۲۸
۲-۵-۳- شبکه عصبیGRNN ………………………………………………………………………………..۳۰
۲-۵-۴- ماشین بردار پشتیبان SVM…………………………………………………………………………………..۳۲
۲-۵-۵- نحوه عملکرد KNN …………………………………………………………………………………………..۳۶
۲-۵-۶- الگوریتم خوشه بندی c میانگین FCM………………………………………………………………….۳۸
۲-۵-۷- طبقهبندی کننده ساده بیز NBC…………………………………………………………………………….۴۱
۲-۵-۸- درخت تصمیم DT…………………………………………………………………………………..۴۲
۲-۵-۹- الگوریتم خوشه بندیK-MEANS CLUSTERIN ………………………………………………..۴۳
۲-۶- تئوری پایه………………………………………………………………………………………………………………….۴۴
۲-۶-۱- آنالیز مولفههای اصلیPCA …………………………………………………………………………………..۴۴
۲-۶-۲- رگرسیون حداقل مربعات متعامدOLS ……………………………………………………………………۴۹
۳- پیشینه تحقیق……………………………………………………………………………………………………………………..۵۱
۴- روش تحقیق………………………………………………………………………………………………………………………۵۴
۵- یافته های تحقیق………………………………………………………………………………………………………………..۵۸
۵-۱- سنجش عملکرد…………………………………………………………………………………………………………..۵۹
۵-۲- نتایج آزمایشات سطح یک ……………………………………………………………………………………………۶۲
۵-۲-۱- نتایج حاصل از الگوریتم OLS مبتنی بر کمترین هزینه………………………………………………۶۲
۵-۲-۲- نتایج حاصل از الگوریتم PCA مبتنی بر کمترین هزینه……………………………………………..۶۵
۵-۳- نتایج آزمایشات سطح دوم…………………………………………………………………………………………….۶۷
۵-۴- نتایج آزمایشات سطح سوم…………………………………………………………………………………………..۷۱
۵-۴-۱- تحلیل نتایج مدل MLP………………………………………………………………………………………۷۱
۵-۴-۲- تحلیل نتایج مدلKNN ………………………………………………………………………………………۷۳
۵-۴-۳- تحلیل نتایج مدل RBF……………………………………………………………………………………….۷۵
۵-۴-۴- تحلیل نتایج مدل SVM………………………………………………………………………………………۷۷
۵-۴-۵- تحلیل نتایج مدل GRNN……………………………………………………………………………………۷۸
۵-۴-۶- تحلیل نتایج مدل NBC……………………………………………………………………………………….۷۹
۵-۴-۷- تحلیل نتایج مدل FCM………………………………………………………………………………………۸۰
۵-۴-۸- تحلیل نتایج مدل DT………………………………………………………………………………………….۸۲
۵-۵- مقایسه عملکرد ساختارهای پیشنهاد شده………………………………………………………………………..۸۲
۵-۶- نتایج آزمایشات سطح چهارم………………………………………………………………………………………..۸۳
۵-۶-۱- مدل اول (Hybrid۱)……………………………………………………………………………………………..۸۴
۵-۶-۲- مدل دوم (Hybrid۲)…………………………………………………………………………………………….۸۵
۵-۷- مقایسه عملکرد ساختارهای طراحی شده………………………………………………………………………..۸۷
۶- نتیجه گیری و پیشنهادات…………………………………………………………………………………………………..۸۹
۶-۱- نتیجه گیری………………………………………………………………………………………………………………..۹۰
۶-۱-۱- مقدمه………………………………………………………………………………………………………………..۹۰
۶-۱-۲- پاسخ به سؤال اصلی تحقیق………………………………………………………………………………….۹۱
۶-۱-۳- پاسخ به فرضیات تحقیق………………………………………………………………………………………۹۲
۶-۱-۴- پاسخ به هدف تحقیق…………………………………………………………………………………………..۹۳
۶-۲- پیشنهادات…………………………………………………………………………………. ……………………………..۹۳
شبکه عصبی مصنوعی , طبقه بندی ساده بیز , مدل پرسپترون چند لایه , تابع پایه شعاعی , مدل بردار پشتیبان , تابع نزدیکترین همسایه , رگرسیون عمومی شبکه عصبی , Artificial Neural Network , Naive Bayes classifier (NBC) , Multi Layer Perceptron (MLP) , Radial Bases Function (RBF) , Support Vector Machine (SVM) , K-Nearest Neighbours (KNN) , Generalized Regression Neural Network (GRNN)
