پورتال همایش های دانشگاه رازی
  • صفحه اصلی
  • اخبار
  • گالري عکس
  • آرشیو مقالات
  • آیین نامه ها و فرم ها
  • لینک های مرتبط
  • سایت دانشگاه
  • تماس با ما
Bootstrap Touch Slider
  1. :. صفحه اصلی
  2. آرشیو مقالات رویداد ها
  3. مجموعه مقالات بیستمین کنفرانس ملی دانشجویی مهندسی برق ایران
  4. مقاله طراحی و پیاده سازی یک سیستم تشخیص خودکار اختلال دو قطبی مبتنی بر شبکه های عصبی مصنوعی
عنوان رویداد : بیستمین کنفرانس ملی دانشجویی مهندسی برق ایران
تاریخ برگزاری : 19 خرداد ماه 1400

طراحی و پیاده سازی یک سیستم تشخیص خودکار اختلال دو قطبی مبتنی بر شبکه های عصبی مصنوعی

Design and implementation of a bipolar disorder based automatic detection system Artificial neural networks
نویسندگان :

وهاب امینی آذر ( دانشگاه آزاد اسلامی واحد مهاباد ) , رسول فرحی ( دانشگاه آزاد اسلامی واحد مهاباد ) , پیوند قزلی ( دانشگاه آزاد اسلامی واحد مهاباد )

دانلود فایل   

چکیده

اختلال دوقطبی اختلالی است که تشخیص آن به صورت بالینی برای کادر روانشناسی بسیار مشکل و هزینه بر است از آنجا که اختلال دوقطبی یک اختلال شایع روانی در جوامع بشری است ،هر روز محققان در پی این هستند تا یک راه حل برای تشخیص زود هنگام این اختلال بیابند. در تشخیص اختلال دوقطبی از روشهای مختلفی استفاده شده است از جمله این روش ها می توان به نوسانات خلق و خو اشاره نمود. از آنجا که اغلب این اختلال را توسط نوسانات خلق و خو را در افراد شناسایی می کنند. این روش کاربرد زیادی در تشخیص دقیق این اختلال دارد. تحقیقات قبلی بر روی بیماران نشان داده که 90 درصد از مبتلایان به اختلال دوقطبی که در آن ها نوسانات خلق و خو مشاهده شده است. بنابراین اندازه گیری این نوسانات و شناسایی آنها در تشخیص اختلال نقش مهمی را ایفا می کنند. به این جهت از داده های بیماران مبتلا به اختلال دوقطبی در انجام این تحقیق استفاده شده است. به دلیل تعداد زیاد بیماران و آزمایش های متعدد هر بیمار، نیاز به یک ابزار خودکار برای کاوش در میان بیماران مبتلا به اختلال دوقطبی احساس می شود از طرفی از آنجا که تکنیک های دادهکاوی برای پیش بینی بیماری های مختلف در زمینه پزشکی و مهندسی پزشکی نقش مهمی ایفا می کنند، در این تحقیق از تکنیک های شبکه های عصبی استفاده شده است. نتایج شبیه سازی و تحلیل داده ها در نرم افزار MATLAB نشاندهنده اینست که شبکه عصبی پرسپترون پیشنهادی نسبت به روش های پیشین با دقت بهتری می تواند اختلال دوقطبی را هوشمندتر و دقیق تر پیش بینی نماید.

کليدواژه ها

اختلال دوقطبی، داده کاوی، شبکه های عصبی پرسپترون، روش های هوشمند

کد مقاله / لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است :

نحوه استناد به مقاله

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
رسول فرحی , 1400 , طراحی و پیاده سازی یک سیستم تشخیص خودکار اختلال دو قطبی مبتنی بر شبکه های عصبی مصنوعی , بیستمین کنفرانس ملی دانشجویی مهندسی برق ایران

برگرفته از رویداد



بیستمین کنفرانس ملی دانشجویی مهندسی برق ایران
تاریخ برگزاری : 19 خرداد ماه 1400


دیگر مقالات این رویداد

  • ارزیابی الگوریتم تصمیم گیری هرس درخت برای دقت پیچیدگی و طبقه بندی(مطالعه موردی)
  • Reducing ohmic losses by improving the phenomenon of shadows in accordance with the new structure of solar cell network
  • مقایسه دو روش تصویرگیری T1با تزریق ماده حاحب و DWI در تشخیص پلاک‌های فعال مولتیپل اسکلروزیس
  • یادگیری عمیق و پردازش تصویر پزشکی برای ویروس همه‌گیرکرونا
  • مفاهیم گراف دانش و ارائه روشی برای ایجاد گراف دانش سازمانی
  • تجزیه و تحلیل مدل توربین بخار ساده برای مطالعات پایداری سیستم قدرت
  • یک الگوریتم جدید برای تشخیص بی درنگ اسپایکهای نورونی در FPGA
  • بررسی و اندازه گیری ویژگی های الکتریکی تک سلول با استفاده از شبیه سازی تراشه میکروسیالی ترکیبی از روشهای IFC و EIS بر روی دو نوع سلول سرطانی
  • طراحی سیستم جبران سازی توان راکتیو مجموعه ترانس های پالایشگاه مجتمع مس سرچشمه جهت بهبود راندمان انرژی مجموعه و پارامترهای فنی سیستم
  • مدل سازی مجموعه بوبین ضامنهای وصل و قطع کلید قدرت و ارزیابی وضعیت این مجموعه با تکیه بر پارامترهای استخراج شده از منحنی جریان بوبین در زمان عملکرد آن
  • تماس با ما


    نشانی: کرمانشاه، طاق بستان، خیابان دانشگاه، دانشگاه رازی
    تلفن: ۶-۳۴۲۷۷۶۰۵-۰۸۳
    کدپستی: ۶۷۱۴۴۱۴۹۷۱
    پست الکترونیکی: info@razi.ac.ir
    مدیر تارنما: webmaster@razi.ac.ir

    © کلیه حقوق متعلق به دانشگاه رازی کرمانشاه می‌باشد.

    همایش نگار (نسخه 10.0.12)    [مدیریت سایت]