دانلود ترجمه مقاله کاربرد ANN و SVM در تشخیص اولیه سرطان پروستات – مجله الزویر

گروه آموزشی ترجمه فا اقدام به ارائه ترجمه مقاله با موضوع ” کاربرد ANN و SVM در تشخیص اولیه سرطان پروستات ” در قالب فایل ورد نموده است که شما عزیزان میتوانید پس از دانلود رایگان مقاله انگلیسی و نیز مطالعه نمونه ترجمه و سایر مشخصات، ترجمه را خریداری نمایید.

• فهرست مطالب:

چکیده
۱ – مقدمه
۲- مواد و یافته ها
۲-۱ شبکه عصبی مصنوعی (ANN)
۲-۱-۱ الگوریتم گرادیان توام مدرج (SCG )
۲-۱-۲ الگوریتم BFGS
۲-۱-۳ الگوریتم لونبرگ – مارکواردت (LM)
۲-۲ ماشین بردار پشتیبانی
۲-۳ تست آماری
۳ – نتایج
۴ – بحث و تبادل نظر
۵ – نتیجه گیری ها

• بخشی از ترجمه:

۴ – بحث و تبادل نظر
ما در مطالعه حاضر مشاهده کرده ایم که مشخصه ها بر روی سن و میزان پاتولوژی بیمار فرق دارند . از اینرو ، ما با هدف افزایش عملکرد مشخصه بایستی از مقادیر زیادی داده برای کل سنین و پاتولوژی های استفاده کنیم ( مراحل مختلف ) .
ما در کار حاضر از ماشین بردار پشتیبانی و پس انتشار مبتنی بر MLP برای دسته بندی استفاده کردیم . عملکرد این شبکه ها را می توان با روش های اماری و دیگر مدل های ANN مشابه SOM مقایسه نمود .
نرخ کشف سرطان پروستات یک رابطه خطی با سنت را نشان داده است . ما متوجه می شویم که SVM و ANN ها جداول محاسباتی موفق برای پیش بینی سرطان پروستات هستند . بعلاوه ، در انجا رابطه ای بین BMI و سرطان پروستات وجود ندارد . از اینرو ، BMI می تواند فاکتور ریسک برای یافته های پاتولوژیک تهاجمی باشد .
مطابق با درجه امتیاز گلیسون مشخص شده است که تشخیص اولیه سرطان پروستات برای مردم ترکیه پایین می باشد . دلیل اصلی بر حسب باور ما ممکن است این باشد که مردم به کنترل سلامتی عادی توجهی ندارند .

• بخشی از مقاله انگلیسی:

۴٫ Discussion

In this study, we observed that the features vary upon the age and degree of pathology of the patient. Thus, in order to increasethe performance of classification, we have to use lots of data for all ages and pathologies (different stages). In this work, we have used support vector machine and backpropagation (SCG, BFGS, LM) based MLP for classification. The performance of these networks can be compared with statistical methods and other ANNs models like SOM. The prostate cancer detection rate showed a linear relationship with age. We realize that SVM and ANNs are as successful as nomograms to predict prostate cancer. In addition, there is no relationship between BMI and prostate cancer. However, BMI can be a risk factor for aggressive pathologic findings. According to Gleason score grade (Table 4), it founded that early diagnosis of prostate cancer is low for Turkish people. Due to our opinion, the main reason may be that the people do not care about routine health control.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله