به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت

جستجوی مقالات مرتبط با کلیدواژه "الگوریتم lstm" در نشریات گروه "برق"

تکرار جستجوی کلیدواژه «الگوریتم lstm» در نشریات گروه «فنی و مهندسی»
جستجوی الگوریتم lstm در مقالات مجلات علمی
  • روزبه لطیفی عزیزی*، سمیه جعفرعلی جاسبی

    در دنیای امروزی، سرطان سینه یکی از دلایل مرگ ومیر و از وحشتناک ترین بیماری ها شناخته شده است، که یکی از علل بالقوه مرگ در زنان است. بااینکه یکی از قابل درمان ترین بیماری ها محسوب می شود اما مهم این است که با تشخیص به هنگام آن می‏توان میزان مرگ ومیر در طولانی مدت را کاهش داد. به عنوان راه حلی برای پیش‏بینی و درمان این بیماری، سیستم تشخیص خودکار بیماری در تشخیص و تجزیه وتحلیل به حوزه پزشکی کمک شایانی می کند که پاسخ سریع، قابلیت اطمینان، اثربخشی و همچنین کاهش خطر مرگ را ارائه می دهد. لذا در این مقاله از الگوریتم حافظه کوتاه مدت طولانی (LSTM) که یک الگوریتم یادگیری است استفاده شد، چراکه منجر به مدل‏هایی پایدارتر و با دقت بیشتر می شود. نتایج شبیه سازی و مقایسه با دیگر مقالات نشان داد که استفاده از این الگوریتم موجب بهبود دقت و حساسیت در تشخیص سرطان سینه شده و توانستیم با کمک الگوریتم LSTM به تشخیص اینکه آیا منطقه مشکوک ناژول است یا خیر برسیم. ارزیابی ها نشان می دهد که حساسیت روش پیشنهادی به خصوص در برخورد با ناژول های کوچک بسیار مطلوب است. نرخ خطای مثبت برآورد شده برای روش پیشنهادی 16.67% است که نسبت به کارهای دیگر کمتر است

    کلید واژگان: سرطان سینه, الگوریتم LSTM, یادگیری ماشین, تشخیص, پیش بینی, دقت
    Rouzbeh Latifi Azizi*, Somayyeh Jafarali Jasbi

    In today's world, breast cancer is one of the leading causes of death and one of the most dreaded diseases known, which is one of the potential causes of death in women. Although it is considered one of the most treatable diseases, it is important that with its timely diagnosis, the death rate can be reduced in the long term. As a solution for the prediction and treatment of this disease, the automatic disease diagnosis system in diagnosis and analysis is a great help to the medical field, which provides a quick response, reliability, effectiveness, and also reduces the risk of death. Therefore, in this article, the long short-term memory (LSTM) algorithm, which is a learning algorithm, was used, because it leads to more stable and more accurate models. The simulation results and comparison with other articles showed that the use of this algorithm has improved the accuracy and sensitivity in breast cancer diagnosis and we were able to determine whether the suspicious area is rough or not with the help of the LSTM algorithm. The evaluations show that the sensitivity of the proposed method is very favorable, especially in dealing with small nodules. The estimated positive error rate for the proposed method is 16.67%, which is less than other works.

    Keywords: Breast Cancer, LSTM Algorithm, Machine Learning, Diagnosis, Prediction, Accuracy
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال