آمار
| تعداد نشریات | 18 |
| تعداد شماره‌ها | 437 |
| تعداد مقالات | 3,016 |
| تعداد مشاهده مقاله | 2,228,954 |
| تعداد دریافت فایل اصل مقاله | 1,917,017 |
تشخیص وضعیت بیماران مبتلا به هپاتیت C با استفاده از الگوریتم یادگیری عمیق CNN | ||
| فصلنامه آماد و فناوری دفاعی | ||
| مقاله 6، دوره 8، شماره 2 - شماره پیاپی 26، مرداد 1404، صفحه 153-172 اصل مقاله (687.38 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسنده | ||
| کاظم تقندیکی* | ||
| عضو هیأت علمی گروه مهندسی کامپیوتر، دانشگاه فنی و حرفه ای، تهران، ایران | ||
| چکیده | ||
| یادگیری عمیق، به عنوان یکی از زیرشاخه‌های مهم هوش مصنوعی، قابلیت‌های فراوانی برای ارتقای سلامت انسان دارد. در سال‌های اخیر، این فناوری به طور گسترده‌ای برای تحلیل، پیش‌بینی و بهبود درمان‌های بیماران مورد توجه قرار گرفته است. در این مطالعه، از الگوریتم یادگیری عمیق شبکه عصبی پیچشی (CNN) و روش‌های پیش‌پردازش داده‌ها با استفاده از زبان برنامه‌نویسی پایتون، برای پیش‌بینی وضعیت مرگ یا زندگی بیماران مبتلا به هپاتیت C استفاده شده است. هدف اصلی این پژوهش، کمک به پزشکان در اتخاذ تصمیمات درمانی دقیق‌تر و مؤثرتر است. نتایج به دست آمده از این پژوهش نشان می‌دهد که رویکرد پیشنهادی با دقت 98% قادر به پیش‌بینی وضعیت بیماران هپاتیت C است. این دقت بالا، توانایی الگوریتم‌های یادگیری عمیق در تحلیل داده‌های حجیم و ارائه نتایج قابل اعتماد را به خوبی نشان می‌دهد. بر این اساس، استفاده از الگوریتم‌های یادگیری عمیق مانند شبکه‌های عصبی پیچشی می‌تواند نقش مهمی در پیش‌بینی و شخصی‌سازی درمان بیماران داشته باشد. این امر می‌تواند به طور قابل توجهی به بهبود بهداشت و سلامت جامعه کمک کند، چرا که با دقت بالاتری می‌توان وضعیت بیماران را پیش‌بینی و درمان‌های مناسب‌تری ارائه داد. | ||
| کلیدواژه‌ها | ||
| یادگیری ماشین؛ یادگیری عمیق؛ هوش مصنوعی؛ الگوریتم CNN؛ هپاتیت C | ||
|
آمار تعداد مشاهده مقاله: 196 تعداد دریافت فایل اصل مقاله: 18 |
||