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.
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
تشخیص اولیه سرطان پروستات با استفاده از شبکه های عصبی مصنوعی و ماشین های بردار پشتیبانی |
| عنوان انگلیسی مقاله: |
Early prostate cancer diagnosis by using artificial neural networks and support vector machines |
|
|
| مشخصات مقاله انگلیسی (PDF) | |
| سال انتشار | 2009 |
| تعداد صفحات مقاله انگلیسی | 5 صفحه با فرمت pdf |
| رشته های مرتبط با این مقاله | مهندسی کامپیوتر و پزشکی |
| گرایش های مرتبط با این مقاله | هوش مصنوعی، ایمنی شناسی پزشکی و ادرارشناسی یا اورولوژی |
| مجله | سیستم های خبره با کاربردهای آن – Expert Systems with Applications |
| دانشگاه | گروه ارولوژی، ترکیه |
| کلمات کلیدی | سرطان پروستات، شبکه های عصبی مصنوعی، ماشین بردار پشتیبانی، آنتی ژن اختصاصی پروستات |
| شناسه شاپا یا ISSN | ISSN 2008.08.010 |
| رفرنس | دارد |
| لینک مقاله در سایت مرجع | لینک این مقاله در نشریه Elsevier |
| نشریه | Elsevier |
| مشخصات و وضعیت ترجمه فارسی این مقاله (Word) | |
| تعداد صفحات ترجمه تایپ شده با فرمت ورد با قابلیت ویرایش و فونت 14 B Nazanin | 14 صفحه |
| ترجمه عناوین تصاویر و جداول | ترجمه شده است |
| ترجمه متون داخل تصاویر | ترجمه شده است |
| ترجمه متون داخل جداول | ترجمه شده است |
| درج تصاویر در فایل ترجمه | درج شده است |
| درج جداول در فایل ترجمه | درج شده است |
| درج فرمولها و محاسبات در فایل ترجمه به صورت عکس | درج شده است |
- فهرست مطالب:
چکیده
1 – مقدمه
2- مواد و یافته ها
2-1 شبکه عصبی مصنوعی (ANN)
2-1-1 الگوریتم گرادیان توام مدرج (SCG )
2-1-2 الگوریتم BFGS
2-1-3 الگوریتم لونبرگ – مارکواردت (LM)
2-2 ماشین بردار پشتیبانی
2-3 تست آماری
3 – نتایج
4 – بحث و تبادل نظر
5 – نتیجه گیری ها
- بخشی از ترجمه:
4 – 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:
4. 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.
|
تصویری از مقاله ترجمه و تایپ شده در نرم افزار ورد |
|
|
| دانلود رایگان مقاله انگلیسی + خرید ترجمه فارسی
|
|
| عنوان فارسی مقاله: |
کاربرد ANN و SVM در تشخیص اولیه سرطان پروستات |
| عنوان انگلیسی مقاله: |
Early prostate cancer diagnosis by using artificial neural networks and support vector machines |
|
|