هدف ما تشخیص بیماری قلبی با استفاده ازشبکه عصبی مصنوعی و تکنیک های داده کاوی

تشخیص بیماری قلبی با استفاده ازشبکه عصبی مصنوعی و تکنیک های داده کاوی یکی از مباحث مهم در دسته­ بندی است. بسیاری از مشکلات مختلف در جهان واقعی اعم از تجاری، علمی و صنعتی و پزشکی می­تواند از روش طبقه بندی حل شود. شبکه­ های عصبی به عنوان ابزار مهم در زمینه طبقه ­بندی محسوب می­شود.

مزایای شبکه­ های عصبی یک دسته ­بندی منسجم از اطلاعات داده شده است. در این مطالعه با استفاده از شبکه عصبی آنالیزی بر روی داده­های بیماران قلبی صورت گرفته است، به منظور افزایش بهره­ وری فرآیند کلاس ­بندی روند موازی در مرحله­ ی آموزش اتخاذ گردیده است.

 آزمایش- طبقه­ بندی پایگاه داده  جهت تشخیص بیماری قلبی

در آزمایش اطلاعات پزشکی مربوط به بیماران قلبی در نظر گرفته شده است. این مجموعه پایگاه­ داده از پایگاه­ داده کلیولند بدست آمده است. این مجموعه داده­ ها قابل دسترسی برای عموم در اینترنت هستند.

این پایگاه داده شامل طبقه­بندی افراد سالم و ناسالم از لحاظ بیماری قلبی است.

معرفی داده ها

تعداد مثال­ها: ۴۱۴

تعداد ویژگی­ها: ۱۳ و یک ویژگی کلاس

کلاس ها :

کلاس صفر: فرد عادی

کلاس ۱: سکته اول

کلاس ۲: سکته دوم

کلاس ۳: پایان زندگی

در این مطالعه از تکنیک شبکه عصبی جهت طبقه­ بندی پایگاه داده پزشکی (تشخیص بیماری قلبی)  استفاده شده است. این آزمایش با پایگاه داده بیماران قلبی و با استفاده از شبکه عصبی تک لایه و چند لایه انجام شده است. الگوریتم Back propogation با momentum و متغییر سرعت یادگیری در آموزش شبکه استفاده شده است. جهت آنالیز عملکرد شبکه­ های گوناگون داده­ گان تست به عنوان ورودی به شبکه داده شده است.

موازی سازی در هر یک از نرون­های لایه پنهان و خروجی جهت افزایش سرعت یادگیری انجام شده است. نتایج آزمایش نشان داد که شبکه عصبی تکنیکی است که می­تواند نتایج رضایت بخش را از آن بدست آورد.

آنالیز پایگاه داده­ ی بیماران قلبی با استفاده از شبکه­ های عصبی

            Analysis of Heart Diseases Dataset using

Neural Network Approach

Published in: International Journal of Data Mining & Knowledge Management Process (IJDKP

Date of Publication: September. 2011

                                  برای مشاهده مقاله ؛ تصویر فوق را کلیک کنید تا دانلود شود

مشخصات شبیه ساز:

کارشناس ارشد برق-بیو الکتریک

دانشگاه تهران

محتویات:

• اصل مقاله
• گزارش الگوریتم بصورت فارسی و Word
• تشریح برنامه نوشته شده

دانلود فایل