بهینه‌ساز گربه و موش با طبقه‌بندی داده‌های زیست‌پزشکی پشتیبانی شده با هوش مصنوعی

بهینه‌ساز گربه و موش با طبقه‌بندی داده‌های زیست‌پزشکی پشتیبانی شده با هوش مصنوعی

نوع فایل : word

تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش : 27

تعداد کلمات : 4900

مجله : Computer Systems Science & Engineering

انتشار : 2023

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

:

تاریخ انتشار
11 فوریه 2023
دسته بندی
تعداد بازدیدها
1705 بازدید
70,000 تومان
دانلود اصل مقاله

عنوان فارسی مقاله:بهینه‌ساز گربه و موش با طبقه‌بندی داده‌های زیست‌پزشکی پشتیبانی شده با هوش مصنوعی

 چکیده

  طبقه‌بندی داده‌های زیست‌پزشکی در سال‌های اخیر، به لطف آخرین پیشرفت‌های تکنولوژیکی در مراقبت‌های بهداشتی، به یک موضوع تحقیقاتی داغ تبدیل شده است. داده های زیست پزشکی معمولاً توسط پزشکان برای تصمیم گیری در درمان بیمار بررسی می شود. از آنجایی که تشخیص دستی یک کار خسته کننده و زمان بر است، مدل های خودکار متعددی با استفاده از تکنیک های هوش مصنوعی (AI) تاکنون ارائه شده است. با این انگیزه، کار پژوهشی فعلی یک طبقه‌بندی داده‌های زیست پزشکی جدید با استفاده از بهینه‌ساز مبتنی بر گربه و موش با تکنیک AI (BDC-CMBOAI) ارائه می‌کند. هدف از روش پیشنهادی BDC-CMBOAI تعیین وقوع بیماری ها با استفاده از داده های زیست پزشکی است. علاوه بر این، روش پیشنهادی BDC-CMBOAI شامل طراحی تکنیک انتخاب ویژگی مبتنی بر بهینه‌ساز گربه و موش (CMBO-FS) برای استخراج زیرمجموعه‌ای مفید از ویژگی‌ها است. علاوه بر این، مدل رگرسیون ریج (RR) نیز به عنوان طبقه‌بندی کننده برای شناسایی وجود بیماری استفاده می‌شود. نوآوری کار فعلی، طراحی مدل CMBO-FS برای طبقه بندی داده ها است. علاوه بر این، تکنیک CMBO-FS برای خلاص شدن از شر ویژگی های ناخواسته و افزایش دقت طبقه بندی استفاده می شود. نتایج تجزیه و تحلیل تجربی که با تکنیک BDC-CMBOAI بر روی مجموعه داده های پزشکی معیار انجام شد، برتری تکنیک پیشنهادی را تحت معیارهای ارزیابی مختلف نشان داد.

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: Cat and Mouse Optimizer with Artificial Intelligence Enabled Biomedical Data Classification

Abstract

 Biomedical data classification has become a hot research topic in recent years, thanks to the latest technological advancements made in healthcare. Biomedical data is usually examined by physicians for decision making process in patient treatment. Since manual diagnosis is a tedious and time consuming task, numerous automated models, using Artificial Intelligence (AI) techniques, have been presented so far. With this motivation, the current research work presents a novel Biomedical Data Classification using Cat and Mouse Based Optimizer with AI (BDC-CMBOAI) technique. The aim of the proposed BDC-CMBOAI technique is to determine the occurrence of diseases using biomedical data. Besides, the proposed BDC-CMBOAI technique involves the design of Cat and Mouse Optimizer-based Feature Selection (CMBO-FS) technique to derive a useful subset of features. In addition, Ridge Regression (RR) model is also utilized as a classifier to identify the existence of disease. The novelty of the current work is its designing of CMBO-FS model for data classification. Moreover, CMBO-FS technique is used to get rid of unwanted features and boosts the classification accuracy. The results of the experimental analysis accomplished by BDCCMBOAI technique on benchmark medical dataset established the supremacy of the proposed technique under different evaluation measures.