Skip to main content
فهرست مقالات

تشخیص دیابت از تصاویر زبان با استفاده از رویکرد یادگیری چندهسته‌ای مقاله

نویسنده:

چکیده:

بیماری دیابت امروزه بسیار فراگیر شده است به‌طوری‌که میلیون‌ها نفر در جهان به آن مبتلا می‌باشند بنابراین تشخیص آن در مراحل اولیه از اهمیت بالایی برخوردار هست. امروزه برای تشخیص این بیماری شایع، از آزمایش‌های خونی استفاده می‌کنند که جواب دقیق‌تری را نشان می‌دهد این روش‌ها نیز علی رقم دقت و صحت بالا، زمان‌بر بوده و برای تست بیماری، بیمار سختی‌هایی همچون ناشتا بودن به مدت طولانی، جراحت و هزینه بسیاری را متحمل می‌شود. در طب چینی تشخیص دیابت توسط زبان بسیار قوی و صحت بالایی دارد نتایج تشخیص چشمی قابل‌اطمینان و کاراست اما خیلی سریع پاسخگو نیست بنابراین استخراج مشخصه‌های زبان به‌صورت خودکار از اهمیت بالایی برخوردار است زیرا استخراج مشخصه‌های زبان به‌صورت دستی در قدیم دقیق اما بسیار وقت‌گیر بوده است و مصرف انرژی بالایی داشته است. ما در این مقاله، روشی ارائه می‌دهیم که با استفاده از آموزه‌های طب چینی، الگوی رنگ، بافت و همسایگی محلی زبان را استخراج کرده و توسط روش یادگیری چندهسته‌ای آموزش داده‌شده سالم یا مبتلا بودن فرد به دیابت تشخیص داده می‌شود. به‌منظور ارزیابی روش پیشنهادی در این تحقیق از یک مجموعه داده واقعی استفاده کرده و نتایج را با روش ماشین بردار پشتیبان مقاله پایه مقایسه کرده و نتایج حاصل را مورد تجزیه‌وتحلیل قرار می‌دهیم.

خلاصه ماشینی:

ما در اين مقاله، روشی ارائه می‌دهیم که با استفاده از آموزه‌های طب چینی، الگوی رنگ، بافت و همسايگي محلي زبان را استخراج کرده و توسط روش یادگیری چندهسته‌ای آموزش داده‌شده سالم یا مبتلا بودن فرد به دیابت تشخیص داده می‌شود. به‌منظور ارزیابی روش پیشنهادی در این تحقیق از یک مجموعه داده واقعی استفاده کرده و نتایج را با روش ماشین بردار پشتیبان مقاله پایه مقایسه کرده و نتایج حاصل را مورد تجزیه‌وتحلیل قرار می‌دهیم. در (14) روش تشخیص دیابت بر اساس ماشین بردار پشتیبانی و تصاویر زبان، هدف از این تحقیق توسعه یک روش تشخیصی دیابت مبتنی بر تصویر زبان استاندارد شده با استفاده از دستگاه بردار پشتیبانی (SVM) است. در [9] سال 2015 براي تشخيص بيماري ديابت با چالش در دسترس بودن و غیرتهاجمی بودن تشخيص انجام‌شده است که بافت صورت مورد ارزيابي قرارگرفته است و ویژگی‌های بافتي صورت در يک بانک اطلاعاتي توسط فيلتر D-Gabor استخراج‌شده است و چهار بلوک در زير هردو چشم که بعد به دليل مشابه بودن يک بلوک حذف و بلوک ديگر وسط پيشاني و يکي هم وسط دو چشم روي بيني انتخاب شد و ویژگی‌ها استخراج شدند که در اين تحقيق انجام آن بر روي 100 فرد سالم و 100 فرد مبتلابه ديابت با روش Patch Ordering توانستند به‌دقت 95. طبقه‌بندی داده‌ها پس از پیش‌پردازش داده‌های مجموعه داده گردآوری‌شده، در این فاز از رویکرد پیشنهادی از روش طبقه‌بندی یادگیری چندهسته‌ای استفاده می‌شود. نتیجه گیری به‌منظور بررسی عملکرد روش پیشنهادی قسمت‌بندی تصویر مبتنی بر یادگیری چندهسته‌ای، نتایج حاصل از این روش را با روش تشخیص دیابت با استفاده از تصویر کامپیوتری زبان باب ژنگ و همکارانش [1] و جیانگ ژنگ و همکارانش[14] مبتنی بر ماشین بردار پشتیبان مقایسه می‌کنیم.

کلیدواژه ها:

ماشین بردار پشتیبان ، طب چینی ، تشخیص دیابت ، یادگیری چندهسته‌ای ، استخراج مشخصه‌های تصویر و پردازش تصویر


برای مشاهده محتوای مقاله لازم است ورود پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.

لمشاهدة محتوی المقال یلزم الدخول إلی دخول الموقع.
إن كنت لا تقدر علی شراء الاشتراك عبرPayPal أو بطاقة VISA، الرجاء ارسال رقم هاتفك المحمول إلی مدير الموقع عبر credit@noormags.ir.

You should become a Sign in to be able to see articles.
If you fail to purchase subscription via PayPal or VISA Card, please send your mobile number to the Website Administrator via credit@noormags.ir.