شماره ركورد كنفرانس :
5263
عنوان مقاله :
استفاده از روش شبكه هاي عصبي مصنوعي براي پيش بيني بيماري ام اس
عنوان به زبان ديگر :
Using artificial neural networks to predict MS
پديدآورندگان :
طبسي سيدهاشم hashemtabasi@um.ac.ir گروه رياضي كاربردي دانشگاه فردوسي مشهد , قائمي محمدرضا ghaemi@znu.ac.ir زنجان دانشگاه ،علوم دانشكده ،رياضي گروه , رضائي برون زهرا zahra_rboroon@yahoo.com آموزش و پرورش ناحيه شش مشهد
تعداد صفحه :
4
كليدواژه :
بيماري ام اس , شبكه هاي عصبي مصنوعي , يادگيري عميق
سال انتشار :
1402
عنوان كنفرانس :
54 امين كنفرانس رياضي ايران
زبان مدرك :
فارسي
چكيده فارسي :
بيماري ام اس يكي از بيماري هاي نوروآتوايمون در سيستم عصبي مركزي است كهباعث تخريب و التهاب ميندازهاي عصبي در مغز و نخاع شوك مي شود. در حال حاضر،هيچ درمان دائمي براي اين بيماري وجود ندارد و مديريت آن به كمك داروهاي ضد التهابيو معالجه علائم صورت مي گيرد. بنابراين، پيش بيني زود هنگام بيماري ام اس، مي تواند بهمديريت بهتر بيماري و بهبود پيش بيني عوارض آينده كمك كند.در اين مقاله، با استفاده از روش شبكه هاي عصبي مصنوعي، به پيش بيني بيماري ام اسپرداخته شده است. برخلاف روش هاي سنتي پيش بيني، شبكه هاي عصبي مصنوعي به صورتخودكار و هوشمندانه، از داده هاي بزرگ و تنوع بالا استفاده كرده و با استفاده از الگوريتم هاييادگيري عميق، به تشخيص و پيش بيني بيماري ام اس پرداخته اند.نتايج پژوهش ها نشان مي دهد كه استفاده از روش شبكه هاي عصبي مصنوعي در پيش بينيبيماري ام اس، دقت بالاتري نسبت به روش هاي سنتي دارد. همچنين، اين روش مي تواندبهبود در تشخيص زودهنگام بيماري و بهبود در مديريت كلينيكي بيماران منجر شود.در اين مقاله، معماري شبكه عصبي مصنوعي و الگوريتم يادگيري عميق براي پيش بينيبيماري ام اس، شرح داده شده است. همچنين، از داده هاي باليني و آزمايشگاهي براي آموزشو ارزيابي شبكه استفاده شده است.بنابراين، در نتيجه، استفاده از روش شبكه هاي عصبي مصنوعي به عنوان يك روشپيش بيني دقيق و هوشمندانه براي بيماري ام اس، توصيه مي شود. استفاده از شبكه هايعصبي مصنوعي به عنوان يك روش هوش مصنوعي براي پيش بيني بيماري ام اس، درحال حاضر يك موضوع پژوهشي فعال است. در اين روش، شبكه هاي عصبي مصنوعي بااستفاده از الگوريتم هاي يادگيري عميق، به منظور تشخيص و پيش بيني بيماري ام اس استفادهمي شوند.
كشور :
ايران
لينک به اين مدرک :
بازگشت