تشخیص اختلال خونی و سرطان با استفاده از شبکه‌های عصبی مصنوعی

چکیده

این مقاله تیم پی سی اسکریپت تلاش نموده است تا استفاده جدیدی از شبکه‌های عصبی مصنوعی در علم پزشکی و تشخیص ارائه کند. روش پیشنهادی شامل آموزش پرسپترون چندلایه (MLP) (نوعی از شبکه عصبی مصنوعی) با یک الگوریتم یادگیری BP برای تشخیص یک الگو برای تشخیص و پیشگیری از 5 اختلال خونی، از طریق نتایج آزمایشات خونی از دستگاه H1 است. پارامترهای آزمایش خون و تشخیص پزشکی درمورد بیماری 450 بیمار از بیمارستان طالقانی در کرمانشاه، ایران، در یک روش آموزشی تحت نظارت برای آپدیت پارامترهای شبکه استفاده می‌شوند. این روش برای تشخیص این اختلالات و سرطان: مگالوبلاستیک کم‌خونی، تالاسمی، ایدیوپاتیک ترومبوسیتوپنیک (ITP) لوسمی میلوئیدی مزمن و لنفوپر و لیفراتیو، پیاده‌سازی و اجرا شده است.

بیان مساله:

یکی از مشکلات اصلی در جامعه پزشکی، تشخیص است. برنامه‌های کاربردی زیادی سعی می‌کنند که به خبرگان در ارائه یک راه‌حل کمک کنند. این مقاله چگونگی هوش مصنوعی را توصیف می‌کند، به عنوان مثال شبکه‌های عصبی مصنوعی می‌توانند این حوزه از تشخیص را بهبود دهند.

به طور متوسط، بدن انسان حاوی 5 لیتر خون است و سلول‌های خون قرمز شما هر 120 روز جایگزین می‌شوند. بیماری‌های خون می‌توانند از کم‌خونی که رایج است، تا اختلالات نادر که تأثیر کمی دارند، متغیر باشند. بسیاری از بیماری‌های مختلف، خون را تحت تأثیر قرار می‌دهند. بسیاری از افراد بیماری‌های خونی دارند که شناسایی شده یا نه. در ایالات متحده به تنهایی، حدود 72000 نفر از مردم بیماری کم‌خونی با حدود 2000000 نفر تحت درمان دارند. هر ساله 20000 بیمار هموفیلی در ایالات متحده وجود دارد. نزدیک به 27000 جوان و بیش از 2000 کودک در ایالات متحده یاد می‌گیرند که آن‌ها لوسمی (آمارها از وب‌سایت‌های NIH و Cancernet هستند) دارند.

کلمات کلیدی: شبکه عصبی مصنوعی، پرسپترون چندلایه (MLP)، رگرسیون غیرخطی چندمتغیره، اختلال خونی، سرطان، مگالوبلاستیک کم‌خونی، لوسمی میلوئیدی مزمن.