طراحی یک سیستم تشخیص خودکار پیش بینی نارسایی کبد مبتنی بر شبکه های عصبی MLP

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 طراحی یک سیستم تشخیص خودکار پیش بینی نارسایی کبد مبتنی بر شبکه های عصبی MLP دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد طراحی یک سیستم تشخیص خودکار پیش بینی نارسایی کبد مبتنی بر شبکه های عصبی MLP  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی طراحی یک سیستم تشخیص خودکار پیش بینی نارسایی کبد مبتنی بر شبکه های عصبی MLP،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن طراحی یک سیستم تشخیص خودکار پیش بینی نارسایی کبد مبتنی بر شبکه های عصبی MLP :

سال انتشار : ۱۴۰۰

تعداد صفحات : ۸

نارسایی کبدی بیماری است که تشخیص آن به صورت پزشکی بسیار مشکل و هزینه بر است از آنجا که نارسایی کبدی یک بیماری شایع در جوامع بشری است، هر روز محققان در پی این هستند تا یک راه حل برای تشخیص زود هنگام این بیماری بیابند. در تشخیص نارسایی کبدی از روش های مختلفی استفاده شده است از جمله این روش ها می توان به آزمایش خون اشاره نمود. از آنجا که اغلب این بیماری را توسط نشانه های آزمایش آنتی ژن اختصاصی نارسایی کبدی در خون شناسایی می کنند. این روش کاربرد زیادی در تشخیص دقیق این بیماری دارد. تحقیقات قبلی بر روی بیماران نشان داده که ۹۰ درصد از بیماران مبتلا به بیماری نارسایی کبدی یک اختلال آنتی ژن اختصاصی نارسایی کبدی در آنها مشاهده شده است. بنابراین اندازه گیری این علایم آنتی ژن اختصاصی نارسایی کبدی و شناسایی آنها در تشخیص بیماری نقش مهمی ایفا می کنند. به این جهت از داده های بیماران مبتلا به نارسایی کبدی در انجام این تحقیق استفاده شده است. به دلیل تعداد زیاد بیماران و آزمایش های متعدد هر بیمار، نیاز به یک ابزار خودکار برای کاوش در میان بیماران نارسایی کبدی احساس می شود از طرفی از آنجا که تکنیک های شبکه عصبی برای پیش بینی بیماری های مختلف در زمینه پزشکی نقش مهمی ایفا می کنند، در این تحقیق از تکنیک های شبکه های عصبی استفاده شده است. نتایج شبیه سازی و تحلیل دادهها در نرم افزار MATLAB نشان دهنده این است که روش پیشنهادی دارای دقت ۹۹، حساسیت ۹۷ و مشخصه ۹۸% می باشد که نسبت به روش های پیشین می تواند نارسایی کبدی را هوشمندتر و دقیق تر پیش بینی نماید.