light box
امتیاز 2.58 سیستم خبره شبکه عصبی فازی با الگوریتم اندازه گیری اهمیت ویژگی تصادفی مبتنی بر جنگل">

نوع فایل : word
تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 37
تعداد کلمات : 10300
مجله : big data and cognitive computing
انتشار : 2022
ترجمه متون داخل جداول : ترجمه شده است
درج جداول در فایل ترجمه : درج شده است
منابع داخل متن : به صورت فارسی درج شده است
کیفیت ترجمه : طلایی
دسته بندی :
برچسب ها : ، ، ، ، ، ، ، ، ، ، ،

عنوان فارسی مقاله:سیستم خبره شبکه عصبی فازی با الگوریتم اندازه گیری اهمیت ویژگی تصادفی مبتنی بر جنگل با شاخص جینی بهبود یافته برای تشخیص زودهنگام سرطان پستان در عربستان سعودی

 چکیده

  سرطان سینه یکی از بدخیمی های شایع در بین زنان در عربستان سعودی است و همچنین به عنوان یکی از شایع ترین و دومین بیماری کشنده در این کشور رتبه بندی شده است. با این حال، فرآیند تشخیص بالینی هر بیماری مانند سرطان سینه، بیماری‌های عروق کرونر، دیابت، کووید-۱۹ و غیره، اغلب به دلیل پیچیدگی و مبهم بودن فرآیند با عدم قطعیت همراه است. در این کار، یک سیستم خبره شبکه عصبی فازی با الگوریتم اندازه‌گیری اهمیت ویژگی تصادفی مبتنی بر جنگل با شاخص جینی برای تشخیص زودهنگام سرطان پستان در عربستان سعودی پیشنهاد شد تا به عدم قطعیت و ابهام مرتبط با تشخیص سرطان پستان و همچنین بار سنگین تر روی همپوشانی گره های شبکه سیستم شبکه عصبی فازی که اغلب به دلیل ویژگی های ناچیز که برای پیش بینی یا تشخیص بیماری استفاده می شود اتفاق می افتد. الگوریتم اندازه گیری اهمیت ویژگی تصادفی مبتنی بر جنگل با شاخص جینی بهبود یافته برای انتخاب پنج ویژگی مناسب پایگاه داده تشخیصی سرطان پستان ویسکانسین از بین ۳۲ ویژگی مجموعه داده استفاده شد. الگوریتم‌های یادگیری رگرسیون لجستیک، ماشین بردار پشتیبان، k-نزدیک‌ترین همسایه، جنگل تصادفی و الگوریتم‌های یادگیری خلیج‌های ساده گوسی برای توسعه دو مجموعه از مدل‌های طبقه‌بندی استفاده شد. از این رو، مدل‌های طبقه‌بندی با ویژگی‌های کامل (۳۲) و مدل‌هایی با ۵ ویژگی مناسب هستند. دو مجموعه از مدل‌های طبقه‌بندی مورد ارزیابی قرار گرفتند و نتایج ارزیابی با هم مقایسه شدند. نتیجه مقایسه نشان می‌دهد که مدل‌هایی که مناسب‌ترین ویژگی‌های انتخاب شده را داشتند، از نظر دقت و حساسیت از همتایان خود با ویژگی‌های کامل بهتر عمل کردند. بنابراین، یک سیستم خبره مبتنی بر شبکه عصبی فازی با پنج ویژگی منتخب مناسب توسعه داده شد و سیستم به دقت ۹۹٫۳۳ درصد، حساسیت ۹۹٫۴۱ درصد و ویژگی ۹۹٫۲۴ درصد دست یافت. علاوه بر این، بر اساس مقایسه سیستم توسعه‌یافته در این کار با کارهای قبلی که از شبکه عصبی فازی یا سایر تکنیک‌های هوش مصنوعی کاربردی بر روی همان مجموعه داده برای تشخیص سرطان سینه با استفاده از همان مجموعه داده استفاده می‌کردند، این سیستم بهترین است. به ترتیب دقت، حساسیت و ویژگی. تست z نیز انجام شد و نتیجه آزمایش نشان می دهد که دقت قابل توجهی توسط سیستم برای تشخیص زودهنگام سرطان پستان به دست آمده است.

Title: Fuzzy Neural Network Expert System with an Improved Gini Index Random Forest-Based Feature Importance Measure Algorithm for Early Diagnosis of Breast Cancer in Saudi Arabia

Abstract

 Breast cancer is one of the common malignancies among females in Saudi Arabia and has also been ranked as the one most prevalent and the number two killer disease in the country. However, the clinical diagnosis process of any disease such as breast cancer, coronary artery diseases, diabetes, COVID-19, among others, is often associated with uncertainty due to the complexity and fuzziness of the process. In this work, a fuzzy neural network expert system with an improved gini index random forest-based feature importance measure algorithm for early diagnosis of breast cancer in Saudi Arabia was proposed to address the uncertainty and ambiguity associated with the diagnosis of breast cancer and also the heavier burden on the overlay of the network nodes of the fuzzy neural network system that often happens due to insignificant features that are used to predict or diagnose the disease. An Improved Gini Index Random Forest-Based Feature Importance Measure Algorithm was used to select the five fittest features of the diagnostic wisconsin breast cancer database out of the 32 features of the dataset. The logistic regression, support vector machine, k-nearest neighbor, random forest, and gaussian naïve bayes learning algorithms were used to develop two sets of classification models. Hence, the classification models with full features (32) and models with the 5 fittest features. The two sets of classification models were evaluated, and the results of the evaluation were compared. The result of the comparison shows that the models with the selected fittest features outperformed their counterparts with full features in terms of accuracy, sensitivity, and sensitivity. Therefore, a fuzzy neural network based expert system was developed with the five selected fittest features and the system achieved 99.33% accuracy, 99.41% sensitivity, and 99.24% specificity. Moreover, based on the comparison of the system developed in this work against the previous works that used fuzzy neural network or other applied artificial intelligence techniques on the same dataset for diagnosis of breast cancer using the same dataset, the system stands to be the best in terms of accuracy, sensitivity, and specificity, respectively. The z test was also conducted, and the test result shows that there is significant accuracy achieved by the system for early diagnosis of breast cancer.

دیدگاهها بسته است.

محصولات مشابه
کمبود(نقص) توجه و علائم ADHD در بزرگسالان مبتلا به بیماری فابری – یک مطالعه آزمایشی
خـریـد محـصـول
مرزهای جدید در مدیریت سرطان رکتوم اولیه و پیشرفته
خـریـد محـصـول
ریسک میوکاردیت و پریکاردیت در بزرگسالان جوان به دنبال واکسیناسیون mRNA COVID-19
خـریـد محـصـول
بروز میوکاردیت و پریکاردیت در بیماران واکسینه نشده پس از کووید-۱۹
خـریـد محـصـول
الگوریتم ازدحام آفتاب پرست کارآمد برای مسئله توزیع بار اقتصادی
خـریـد محـصـول
فرآیند بازآفرینی شهری: مورد یک مجتمع مسکونی در حومه رم، ایتالیا
خـریـد محـصـول
رابطه پویا بین شاخص سهام و قیمت دارایی: تجزیه و تحلیل بلندمدت
خـریـد محـصـول
تشخیص بیماری پوسیدگی طوقه در گندم در شرایط محیطی کنترل شده
خـریـد محـصـول
بکارگیری بهینه سازی برای حمایت از مدیریت تطبیقی آب رودخانه ها
خـریـد محـصـول
ارزیابی تأثیر آموزش زیست محیطی بر رفتار سازگار با محیط زیست
خـریـد محـصـول
ثبت اختراع یا انتشار مقاله

در اولین مرحله از شروع یک تحقیق جدید نیاز است منابع مختلفی جستجو شود تا جدید بودن ایده مورد بررسی قرار گیرد. یکی از بهترین منابع جهت جستجو، لیست اختراع های ثبت شده است. پایگاه های جستجوی پتنت به محقق کمک میکند پیشینه تحقیق خود را مورد بررسی قرار دهد تا مطمئن شود کار تکراری انجام نمیدهد. سامانه جستجوگر مالکیت فکری دارکوب به تازگی از پایگاه جستجو علائم تجاری خود نیز رونمایی کرده است که دارای امکانات تخصصی فراوانی می باشد.

ثبت اختراع یا انتشار مقاله کدام اول باید انجام شود؟ پژوهشگران منابع مالی و غیر مالی بسیاری را صرف انجام تحقیقات و پژوهش ها میکنند و امکان دارد تعدادی از آنها تبدیل به دستاوردها و فناوری های نو گردد. محققان این نتایج را به سرعت در مقالات علمی ملی و بین المللی منتشر و به آن افتخار میکنند. اما باید مد نظر داشت، چنانچه دستاورد پژوهشی امکان تبدیل شدن به یک محصول یا فرآیند قابل استفاده و تولید در صنعت را داشته باشد، هر گونه انتشار عمومی از جمله مقاله باعث از دست رفتن شرط جدید بودن و در نتیجه عدم امکان ثبت فناوری به عنوان اختراع خواهد شد.

در نتیجه محققان و پژوهشگران باید پیش از هرگونه افشاء عمومی آن دسته از نتایج تحقیقاتی که شرایط ثبت اختراع را دارا می باشد به صورت اظهارنامه اختراع در اداره مربوطه ثبت و سپس نسبت به انتشار آنها اقدام کنند. امکان دارد مراحل ثبت اختراع چندین ماه به طول بیانجامد که انتشار مقاله (و مانند آن) پس از تاریخ ثبت اظهارنامه اختراع مشکلی را در فرآیند ثبت اختراع بوجود نمی آورد.

از آنجا که برخی دستاورد ها مانند روشهای تشخیص بیماری و نوآوری های مدیریتی قابلیت ثبت اختراع بین المللی و ملی را ندارند، محققان بدون نگرانی میتوانند انتشار در مقالات داخلی و خارجی را به عنوان اولین گزینه جهت کسب افتخار دست یابی به این قبیل پژوهشها انتخاب کنند.

 
برو بالا