دانلود ترجمه مقاله یک سیستم خبره بر پایه شبکه عصبی برای تشخیص دیابت شیرین – اسپرینگر ۲۰۱۸

دانلود ترجمه مقاله یک سیستم خبره بر پایه شبکه عصبی برای تشخیص دیابت شیرین – اسپرینگر ۲۰۱۸:این تحقیق یک مدل شبکه عصبی برای کمک به تشخیص اینکه زنان حامله دیابت دارند یا نه، ایجاد کرده است. مدل ایجاد شده همچنین در یک نرم افزار مبتنی بر وب، برای دسترسی آسان، قرار داده شد. به همین ترتیب، کارکنان بهداشتی و یا بیماران در نقاط دور دست می توانند به سیستم دسترسی داشته باشند، داده های بیمار را در زمان واقعی وارد کنند و تشخیص را بدون نیاز به حضور در اطراف بیمار، مکاتبه کنند.

مقاله انگلیسی+ترجمه فارسی

فهرست مطالب

چکیده

۱- معرفی

۲- مرور منابع

۲-۱- کارهای مرتبط

۳- روش شناسی

۳-۱- طراحی شبکه عصبی

لایه ورودی

لایه های پنهان

لایه خروجی

۴- پیاده سازی

۵- بحث

چکیده

دیابت یک بیماری است که گلوکز خون، یا سطح قند خون در بدن، بسیار بالا هستند. آسیب های ناشی از دیابت می توانند بسیار مختلف بوده و حتی در زنان آبستن، به دلیل زمینه برای انتقال بیماری ارثی به نسل بعدی، بیشتر قابل توجه هستند. سیستم های متخصص اکنون برای تشخیص پزشکی امراض در بیماران، به منظور تشخیص بیماری و کمک به ارائه راه حل برای آن، استفاده می شوند. این تحقیق، یک مدل شبکه عصبی برای تشخیص دیابت شیرین در زنان حامله، ایجاد و به کار گرفت. مدل یک شبکه عصبی پیشخور(feed forward network) چهار لایه، که با استفاده از الگوریتم بازگشت به عقب (back-propagation)، آموزش دیده است. لایه ورودی، ۸ نورون دارد، دو لایه ی مخفی، هرکدام ۱۰ نورون داشته، و لایه خروجی یک نورون دارد، که هر کدام نتایج تشخیص (diagnosis result) هستند. مدل توسعه یافته نیز در یک برنامه مبتنی بر وب، برای تسهیل استفاده از آن، گنجانده شده است. اعتبارسنجی توسط رگرسیون، نشان می دهد که شبکه ی آموزش دیده، بیش از ۹۲%، دقیق است.

Abstract

Diabetes is a disease in which the blood glucose, or blood sugar levels in the body are too high. The damage caused by diabetes can be very severe and even more pronounced in pregnant women due to the tendency of transmitting the hereditary disease to the next generation. Expert systems are now used in medical diagnosis of diseases in patients so as to detect the ailment and help in providing a solution to it. This research developed and trained a neural network model for the diagnosis of diabetes mellitus in pregnant women. The model is a four-layer feed forward network, trained using back-propagation and Bayesian Regulation algorithm. The input layer has 8 neurons, two hidden layers have 10 neurons each, and the output layer has one neuron which is the diagnosis result. The developed model was also incorporated into a web-based application to facilitate its use. Validation by regression shows that the trained network is over 92% accurate.

نمونه ترجمه مقاله:دانلود ترجمه مقاله شبکه عصبی 

1 معرفی

دیابت یک بیماری است که به عنوان یک نتیجه از سطح گلوکز خون، که در اثر غیاب و یا ناکافی بودن مقدار انسولین در بدن، بسیار بالا باشد، بوقوع می پیوندد. این یک نقص در توانایی بدن برای تبدیل گلوکز (قند) به انرژی است. گلوکز منبع سوخت اصلی، برای بدن ما است. دیابت وقتی توسعه می یابد که پانکراس در تولید مقادیر کافی از انسولین (نوع 1 دیابت) ناتوان باشد، یا انسولین تولید شده معیوب بوده و نتواند گلوکز را به سلول ها جابجا کند (نوع 2 دیابت) [1]. در هر صورت انسولین در مقادیر کافی تولید نمی شود یا تولید انسولین معیوب است و نمی تواند گلوکز را به سلول منتقل کند.

آسیبی که توسط دیابت ایجاد می شود می تواند بسیار سخت باشد. این بیماری، همچنین می تواند موجب آسیب به چشم ها، (کوری)، کلیه (نارسایی کلیه)، قلب (حمله های قلبی)، منجر به سکته مغزی و حتی قطع عضو شود [2]. بنیاد بین المللی دیابت IDF (International Diabetes Foundation)، اثبات کرده است که 415 میلیون نفر از مردم، در جهان دیابت داشته و بیش از 14 میلیون نفر در آفریقا، مبتلا به این بیماری هستند. از این 14 میلیون نفر آفریقایی، یک مقدار فوق العاده زیاد 1.56 میلیون مورد تنها از نیجریه هستند، جایی که 1.9% از جمعیت بالغ تشخیص داده شد، که این بیماری را دارند.

هرچند، تشخیص زودهنگام می تواند برای به کنترل درآوردن آن، کمک کند. اهمیت تشخیص زودهنگام، نمی تواند در درمان دیابت، بیش از اندازه مورد تأکید قرار گیرد. این یک مرحله از فرایند بازسازی(ریکاوری) برای بیمار است [1]. یک تشخیص زودهنگام از دیابت شیرین، به اطمینان از اینکه نشانه های بیماری میزان موارد شاق را تشدید نکند، کمک خواهد کرد.

بخش مراقبت بهداشتی، شاهد ظهور برخی نوآوری های(راه اندازی های) پیشگامانه و امیدوارکننده در جهان تکنولوژی، بوده است. این نوآوری ها، به طور عمده توسط ظهور نرم افزار و قابلیت تحرک ابزارهای دیجیتال به پیش رانده شده، به بخش پزشکی(سلامتی) اجازه می دهد، بسیاری از عملیات های وابسته به کاغذ و قلم و فرایندهایی که انتقال خدمات را در حال حاضر، کند می کردند، خودکار کند. اخیرا، ما شاهد این هستیم که نرم افزارها هوشمندانه تر و مستقل تر شده اند. این قابلیت های جدید (تحت لوای هوش مصنوعی و یادگیری ماشین مورد مطالعه قرار گرفته) سرعت بخشیدن به نوآوری در مراقبت های بهداشتی را شتاب می دهند. تاکنون، کاربردهای هوش مصنوعی در مراقبت های بهداشتی، این صنعت را قادر ساخته تا برخی از بزرگترین چالش های خود را در این محدودها که شامل دارو سازی، ژنتیک و تشخیص دیابت می شود را برطرف کند. تشخیص دیابت عموما یک فرایند پیچیده می باشد که شامل تنوعی از عوامل می باشد، از بافت پوست یک بیمار تا مقدار شکری که او در یک روز مصرف می کند. تا 2000 سال پیش، پزشکی از روش تشخیص نشانه ها استفاده می کرد، جایی که مرض یک بیمار، با توجه به علائمی که دیده می شود، تشخیص داده می شود (برای مثال، اگر شما تب و آبریزش بینی دارید، احتمالا سرما خورده اید). همانطور که ممکن است، زمان نمایش علائم قابل تشخیص بسیار دیر است، علی الخصوص، برای بیماری های کشنده ای مثل دیابت، سرطان و بیماری آلزایمر. با هوش مصنوعی، امید این وجود دارد که بیماری از پیش به خوبی تشخیص داده شود، که احتمال بقا را افزایش می دهد (برخی موارد بیش از 90%) [3].