«اطلاعات اين سايت، قديمی و غيرقابل استناد بوده و صرفا به عنوان آرشيو نگهداری می‌شود.»
   [صفحه اصلی ]   [ English ]  
:: مشاهده مقالات ::
:: - ۱۳۷۸/۳/۲۰ - جلد:۲ - شماره:۱ - 1999/06/10 - Volume:۲ - Number:۱ ::
زبان مقاله منتشر شده
عنوان انگلیسی Determination of a Min-Max Neural Network Clustering Fuzzy Approach In Comparison with the Classical Statistical Clustering Methods in Medical Studies along wtih its Appicotion in Identifying Richets
عنوان فارسی بررسی و تعیین الگوی کلاسه‌بندی شبکة عصبی فازی مینماکس و مقایسه آن با کلاسه‌بندی کننده‌های آماری در مطالعات پزشکی به همراه کاربرد آن در
عنوان مختصر
کد مقاله (doi)
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
چکیده انگلیسی مقاله Determination of a pattern for categorization of the observations has been one of the main issues in many of the recent studies. It is a fact that the health status of the subjects (normal or health vs sick), is the main variable in most of the studies in the field of medical sciences. Therefore, it is crucial to employ appropriate categorization methods in order to minimize the risk of error in these studies. Categorization of the data is one of the main issues in multivariate statistical analyses. In the present study, we tried to introduce a method that uses a clustering fuzzy approach, on the basis of neural network, for categorization of the subjects into "health" and "sick" groups. The results were also compared with the classical statistical methods. 108 students participating in this study were tested for 3 variables: calcium, phosphorus, and alkaline phosphatase in order to identify whether they were suffering from richests, The results indicated that categorization of the subject on the basis of fuzzy neural network enjoyed 92% accuracy, while cluster analysis and discriminant analysis demonstrated 81% and 88.8% accuracy respectively.
چکیده فارسی مقاله تعیین الگو برای دسته‌بندی نمودن مشاهدات به یکی از بنیادی‌ترین تحقیقات در سال‌های اخیر تبدیل شده است. با توجه به اینکه در مطالعات پزشکی متغیر پاسخ، وضعیت سلامتی فرد از لحاظ بیمار و سالم بودن می‌باشد، باید روش‌هایی را به‌کار برد که کمترین خطا را در این مورد داشته باشند. طبقه‌بندی داده‌ها یکی از مباحث اصلی آنالیز چند متغیرة آماری می‌باشد. در این تحقیق سعی شده است تا الگوی مناسبی توسط روش‌های تجزیه و تحلیل خوشه‌ای فازی مبتنی بر شبکة عصبی برای طبقه‌بندی مشاهدات به دو دسته سالم و بیمار به‌دست آورده و نتایج حاصل با روش‌هایی معمول آماری مقایسه گردد. در این مطالعه 108 دانش‌آموز از لحاظ ابتلاء به بیماری راشیتیسم با توجه به سه متغیر کلیسم، فسفر و آلکالین فسفاتاز مورد بررسی قرار گرفتند. نتایج به‌دست آمده نشان می‌دهد که صحت کلاسه‌بندی شبکة عصبی فازی 92 درصد و در تجزیه خوشه‌ای در بهترین حالت 81 درصد و در تجزیه تشخیص نیز در شرایط بهینه 89/88 درصد می‌باشد.
کلیدواژه‌های انگلیسی مقاله Neural network, Fuzzy theory , Diagnostic discrimination , Clustered discrimination, Richets.
کلیدواژه‌های فارسی مقاله شبکة عصبی، تئوری فازی، تجزیه تشخیص، تجزیه خوشه‌ای، راشیتیسم
صفحه آغاز مقاله در نشریه ۷۹
صفحه پایان مقاله در نشریه ۸۴
نشانی اینترنتی
نویسندگان مقاله 93076---93077---93078---93079---
برای برگشت به بخش مقاله‌های منتشر شده اینجا را کلیک كنید.

Health and Biomedical Information System - SEMAT

کلیه حقوق این پایگاه متعلق به معاونت تحقیقات فنآوری وزارت بهداشت،درمان و آموزش پزشکی میباشد.


«اطلاعات اين سايت، قديمی و غيرقابل استناد بوده و صرفا به عنوان آرشيو نگهداری می‌شود.»


Persian site map - English site map - Created in 0.09 seconds with 21 queries by YEKTAWEB 3921