عنوان

استخراج مدل پیش بین براي بیماري کبد چرب غیر الکلی توسط الگوریتمهاي فازي - عصبی

شماره

پ۲۴۳۲۴

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

استخراج مدل پیش بین براي بیماري کبد چرب غیر الکلی توسط الگوریتمهاي فازي - عصبی

نام نخستين پديدآور

سکینه زینالی گلدر

نام ناشر، پخش کننده و غيره

مهندسی برق وکامپیوتر

تاریخ نشرو بخش و غیره

۱۳۹۹

نام خاص و کميت اثر

۷۴ص.

مواد همراه اثر

سی دی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسی برق گرایش کنترل

زمان اعطا مدرک

۱۳۹۹/۰۴/۰۴

متن يادداشت

آزمایش خون بیماری را تشخیص داد، بسیار کم هزینهتر و با آسیبهای بدنی کمتری همراه خواهد بود. این پژوهش دو هدف اصلی را در ارتباط با تشخیص بیماری دنبال میکند. هدف اول، تعیین وجود بیماری کبد چرب و هدف دوم که برای نخستین بار در این پژوهش بررسی شده است، تشخیص میزان شدت بیماری کبد چرب میباشد که هر دو تنها بر اساس نتایج آزمایش خون و بدون نیاز به تصاویر سونوگرافی میباشند .دراین راستا الگوریتم Anfis به عنوان الگوریتم طبقهبندی درکنار الگوریتمهای بهینهسازی مختلفی اعم از الگوریتم بهینهسازی ازدحام ذرات و الگوریتم ژنتیک بر روی دادههایی که از 400 فرد مختلف جمعآوری شدهاست اعمال و نتیجه حاصل نشان از عملكرد دقیقتر الگوریتم ترکیبی متشكل از الگوریتم Anfis و الگوریتم بهینهسازی ازدحام ذرات در مقایسه با الگوریتم ژنتیک هم در تشخیص بیماری و هم در تعیین شدت بیماری میباشد .

متن يادداشت

The liver is one of the internal organs and the largest gland in the human body which has crucial and vital role in basic functions of body, including digestion, protein production and elimination of toxins. Any dysfunction of this organ causes a major problem in the body and engendar significant damage to it. Accordingly, the prognosis of liver disease in the early stages plays significant role in treating, controlling and preventing subsequent problems. Among liver diseases, non-alcoholic fatty liver is the most common disease which its morality rate reaches epidemic propotion world wide. Although fatty liver disease does not show any primary symptoms and has no definitive treatment, it can be detected by examining the results of blood tests, the increasing amount of liver enzymes and the factors that affect it. Moreover, the presence of the disease can be confirmed by ultrasound images. Furthermore, providing a method by examining the results of blood test will be less expensive and cause fewer body injuries. This research pursues two main objectives in relation to the diagnosis of the disease. First goal is Determining the presence of fatty liver disease and the second goal that has been investigated for the first time in this study is the diagnosis of the severity of fatty liver disease. In this regard, fuzzyneural inference algorithm as a classification algorithm along with various optimization algorithms including particle swarm optimization and genetic algorithms are applied on collected data of 400 different individuals. Applications and results have been shown the better result by evaluating the performance of the combined particle swarm optimization algorithm

عنوان گونه گون

Extraction of Predicting model for Non-alcoholic Fatty Liver Disease using Neuro – Fuzzy Algorithms

عنصر شناسه اي

زینالی گلدر

ساير عناصر نام

‏ سکینه

کد نقش

تهيه کننده

عنصر شناسه اي

ریخته گر غیاثی

عنصر شناسه اي

بادامچی زاده

ساير عناصر نام

‏ امیر

ساير عناصر نام

‏ محمدعلی

تاريخ

استاد راهنما

تاريخ

استاد مشاور

عنصر شناسه اي

‏ تبریز