ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب Neuro Fuzzy Hybrid Models for Classification in Medical Diagnosis

دانلود کتاب مدل های ترکیبی فازی عصبی برای طبقه بندی در تشخیص پزشکی

Neuro Fuzzy Hybrid Models for Classification in Medical Diagnosis

مشخصات کتاب

Neuro Fuzzy Hybrid Models for Classification in Medical Diagnosis

ویرایش:  
نویسندگان: , ,   
سری: SpringerBriefs in Applied Sciences and Technology 
ISBN (شابک) : 3030604802, 9783030604806 
ناشر: Springer 
سال نشر: 2020 
تعداد صفحات: 103
[109] 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 Mb

قیمت کتاب (تومان) : 44,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 7


در صورت تبدیل فایل کتاب Neuro Fuzzy Hybrid Models for Classification in Medical Diagnosis به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.

توجه داشته باشید کتاب مدل های ترکیبی فازی عصبی برای طبقه بندی در تشخیص پزشکی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.


توضیحاتی در مورد کتاب مدل های ترکیبی فازی عصبی برای طبقه بندی در تشخیص پزشکی

این کتاب بر روی استفاده از تکنیک‌های هوشمند مانند منطق فازی، شبکه‌های عصبی و الگوریتم‌های الهام‌گرفته از زیستی و کاربرد آن‌ها در تشخیص پزشکی تمرکز دارد. ایده اصلی این است که روش پیشنهادی ممکن است بتواند با مشکلات تشخیص پزشکی در زمینه‌های مختلف پزشکی سازگار شود و با در نظر گرفتن نظارت بالینی 24 ساعته یا بیشتر از بیمار، به بهبود دقت تشخیص کمک کند. در این کتاب تست هایی با معماری های مختلف ارائه شده در ماژول های مختلف مدل پیشنهادی انجام شده است. ابتدا، امکان دستیابی به معماری طبقه‌بندی‌کننده‌های فازی برای سطح فشار خون و بار فشار وجود داشت و اینها با الگوریتم‌های مختلف الهام‌گرفته از زیستی (الگوریتم ژنتیک و بهینه‌سازی ازدحام مرغ) بهینه‌سازی شدند. در مرحله دوم، ما با یک پایگاه داده محلی از 300 بیمار آزمایش کردیم و نتایج خوبی به دست آمد. شایان ذکر است که این کتاب بخش مهمی از الگوی کلی پیشنهادی است. به همین دلیل، ما در نظر داریم که این ماژول ها به طور خاص عملکرد خوبی دارند، اما توصیه می شود پس از تکمیل مدل کلی، آزمایش های بیشتری انجام شود.


توضیحاتی درمورد کتاب به خارجی

This book is focused on the use of intelligent techniques, such as fuzzy logic, neural networks and bio-inspired algorithms, and their application in medical diagnosis. The main idea is that the proposed method may be able to adapt to medical diagnosis problems in different possible areas of the medicine and help to have an improvement in diagnosis accuracy considering a clinical monitoring of 24 hours or more of the patient. In this book, tests were made with different architectures proposed in the different modules of the proposed model. First, it was possible to obtain the architecture of the fuzzy classifiers for the level of blood pressure and for the pressure load, and these were optimized with the different bio-inspired algorithms (Genetic Algorithm and Chicken Swarm Optimization). Secondly, we tested with a local database of 300 patients and good results were obtained. It is worth mentioning that this book is an important part of the proposed general model; for this reason, we consider that these modules have a good performance in a particular way, but it is advisable to perform more tests once the general model is completed.



فهرست مطالب

Preface
Contents
1 Introduction to Neuro Fuzzy Hybrid Model
	References
2 Theory and Background of Medical Diagnosis
	2.1 Blood Pressure
		2.1.1 Type of Blood Pressure Diseases
		2.1.2 Hypotension
		2.1.3 Hypertension
		2.1.4 Risk Factors
		2.1.5 Home Blood Pressure Monitoring
		2.1.6 Ambulatory Blood Pressure Monitoring (ABPM)
	2.2 Computational Intelligence Techniques
		2.2.1 Genetic Algorithms
		2.2.2 Chicken Swarm Optimization
		2.2.3 Neural Networks
		2.2.4 Fuzzy Logic
	References
3 Proposed Neuro Fuzzy Hybrid Model
	3.1 General and Specific Neuro Fuzzy Hybrid Models
	3.2 Creation of the Modular Neural Network
4 Study Cases to Test the Neuro Fuzzy Hybrid Model
	4.1 Design of the Fuzzy Systems for Classification
		4.1.1 Design of the First Fuzzy Classifier for the Classification of Blood Pressure Levels
		4.1.2 Design of the Second Fuzzy Classifier for the Classification of Blood Pressure Levels
		4.1.3 Design of the Third Fuzzy Classifier for the Classification of Blood Pressure Levels
		4.1.4 The Optimization of the Fuzzy System Using a Genetic Algorithm (GA)
		4.1.5 Design of the Fuzzy Classifier Fourth Optimized with a GA
		4.1.6 Knowledge Representation of the Fuzzy Systems
		4.1.7 Results of the Proposed Method
		4.1.8 Comparison of Results
	4.2 A Comparative Study Between European Guidelines and American Guidelines Using Fuzzy Systems for the Classification of Blood Pressure
		4.2.1 Experiments and Results
	4.3 Optimal Genetic Design of Type-1 and Interval Type-2 Fuzzy Systems for Blood Pressure Level Classification
		4.3.1 Design of the Type-1 Fuzzy Systems for Classification with Triangular Membership Functions
		4.3.2 Design of the Type-1 FS for Classification with Trapezoidal Membership Functions
		4.3.3 Design of the Type-1 FS for Classification with Gaussian Membership Functions
		4.3.4 Design of the Interval Type-2 FS for Classification with Triangular Membership Functions
		4.3.5 Design of the Interval Type-2 FS for Classification with Trapezoidal Membership Functions
		4.3.6 Design of the Interval Type-2 FS for Classification with Gaussian Membership Functions
		4.3.7 Fuzzy Rules for the Type-1 and Interval Type-2 FS with the Different Architectures
		4.3.8 Knowledge Representation of the Optimized Type-1 and Interval Type-2 Fuzzy Systems
		4.3.9 Knowledge Representation of Triangular, Trapezoidal and Gaussian Type-2 Membership Function for Interval Type-2 Fuzzy Systems
		4.3.10 Results of This Work
		4.3.11 Statistical Test
		4.3.12 Discussion
	4.4 Blood Pressure Load
		4.4.1 Blood Pressure Load
		4.4.2 Examples of a Monitoring Record with Blood Pressure Load
		4.4.3 Optimization of Type-1 and Type-2 Fuzzy System for the Classification of Blood Pressure Load
		4.4.4 Knowledge Representation of the Optimized Type-1 and Interval Type-2 Fuzzy Systems with Triangular Memberships Function
		4.4.5 Input Variables for Triangular Type-1 Fuzzy System
		4.4.6 Results
	4.5 Classification of Blood Pressure Level and Blood Pressure Load Using Bio-Inspired Algorithms: Genetic Algorithm (GA) and Chicken Swarm Optimization (CSO)
		4.5.1 Statistical Test
	References
5 Conclusions of the Neuro Fuzzy Hybrid Model
Appendix
Index




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد
نماد اعتماد الکترونیکی