پیش بینی نارسایی کبد چرب با استفاده از یادگیری عمیق   

پیش بینی نارسایی کبد چرب با استفاده از یادگیری عمیق


بیماری کبد چرب غیر الکلی معمولا با بروز عوارض بالینی بدون علامت است. علائم بیماری در مراحل اولیه با اضافه وزن و چربی و قند است. علاوه بر این بسیاری از عوامل خط در بیماری کبد چرب، شروعی برای بیماری های دیگر نیز هست. در این مطالعه برای تجزیه و تحلیل متغیرها (بالینی و ازمایشگاهی) مدل شبکه عصبی و ماشین برداری پشتیبانی پیشنهاد گردیده است. مجموعه رکوردها شامل 624 بیمار کبد چرب،که با استفاده از روش تصویر برداری تعیین شده بود. هدف پیاده سازی و ارزیابی مدل های پیش بینی(آموزش، اعتبارسنجی و مجموعه تست)، در محیط نرم افزار پایتون مورد بررسی قرار می گیرد. با بهبود وضعیت غذای و ورزش، این بیماری کاهش می یابد. با استفاده از 13 ویژگی و 2 حالت گروهی(ازمایشگاهی و بالینی )، بیشترین دقت شبکه عصبی در مدت 2 ثانیه برابر 99% و درماشین برداری پشتیبانی درمدت 1 ثانیه برابر با بیشترین حالت 1 و کمترین حالت 0.52 می باشد.

فصل 1 : کلیات تحقیق.......................................................................................................................................................... 1
1-1مقدمه ............... 2
2-1 بیان مسئله 2
3-1 اهداف پژوهشی 5
1-3-1 تشخیص بیماری های کبدی در یادگیری عمیق 5
2-3-1 بهبود و ارزیابی تشخیص بیماری کبد در یادگیری عمیق 5
4-1فرضیات تحقیق 6
1-4-1 تشخیص کبد سالم از بیماری های کبد 7
2-4-1 دقت و ارزیابی تشخیص بیماری های کبدی 7
5-1 روش شناسی و نواوری تحقیق 8
1-5-1نواوری تحقیق 8
6-1 لایه ساختار پایان نامه 9
فصل2 : مفاهیم نظری و پیشینه ........................................................................................................................................10
1-2 مقدمه .................... 11
2-2مروری بر ادبیات موضوع 11
1-2-2 شبکه های عصبی 11
2-2-2یادگیری عمیق 13
3-2-2تشخیص کامپیوتری (CAD) 13
4-2-2 یادگیری ماشین 14
5-2-2 طبقه بندی باینری 15
2-2-6 ماشین برداری پشتیبانی 16
2-2-7 کبد.... 16
2-2-7-1 کالبد شناسی کبد 17
3-2 مروری بر تحقیقات داخلی و خارجی 18
1-3-2 مروری بر تحقیقات انجام شده در زمینه بیماری های کبد (داخلی) 19
2-3-2 مروری بر تحقیقات انجام شده در زمینه بیماری های کبد (خارجی) 23
فصل 3: روش شناسی تحقیق.............................................................................................................................................26
3-1مقدمه.................... 27
3-2 روش انجام پژوهش 27
3-3جمع اوری اطلاعات 27
3-3-1 BMI 29
3-3-2 تری گلیسرید 30
3-3-3 کلسترول 30
4-3-3 LDH 31
3-3-5 LDL 31
3-3-6 قند خون 31
3-3-7 آنزیم های کبدی 32
3-4مدل شبکه عصبی 33
3-5 ساختار شبکه های عصبی 34
3-5-1شبکه های پیش خور 36
6-3 شبکه REF 37
3-7ماشین برداری پشتیبانی 38
فصل 4: آزمایشات و تحلیل نتایج.....................................................................................................................................39
4-1مقدمه................. 40
4-2 اهداف اصلی 40
4-3 شبیه سازی مسائل 41
4-3-1 محیط ارزیابی 42
4-3-2 سناریو ارزیابی 42
4-4 ساختار شبکه های عصبی 42
4-5ماتریس در هم ریختگی 43
4-6 متغیر وابسته و مستقل 44
4-7طبقه بندی 44
8-4تابع کتابخانه در پایتون 45
9-4پیاده سازی شبکه عصبی 45
10-4 پیاده سازی ماشین برداری پشتیبانی 46
11-4 فراخوانی در svm 47
12-4 بردارهاي پشتيبان غيرخطي 48
13-4 یادگیری و پیش بینی 48
14-4 طبقه بندی ماشین پشتیبان 49
15-4 آزمایشات 52
1-15-4شبکه عصبی 53
2-15-4ماشین برداری پشتیبانی 53
16-4 بررسی و تحلیل : 54
فصل 5: نتیجه گیری و پیشنهادی....................................................................................................................................56
1-5 مقدمه .................. 57
2-5 روش حل مسئله نتایج و نواوری ها 57
4-5 پیشنهادی 60
5-5 محدودیت ها 60
مراجع ..................................................................................................................................................................................61
نصیبه روشن ضمیر مدبری :نویسنده
دکتر مجتبی شاکری :استاد راهنما
دکتر کوروش مجتهدی :استاد مشاور
1398/06/13 :تاریخ دفاع
۱۰۰ صفحه :تعداد صفحات
مهندسی کامپیوتر-نرم افزار :رشته
ماشین برداری پشتیبانی -پیش بینی -یادگیری عمیق -شبکه های عصبی عمیق -کبد چرب :کلمات کلیدی فارسی
Fatty Liver-CNN-Deep Learning-prediction-SVM :کلمات کلیدی انگلیسی
Place sticky footer content here.