بررسی کاربرد شبکه های عصبی عمیق در تشخیص بیماری

چکیده مقاله

این مطالعه به بررسی کاربرد شبکه های عصبی عمیق در تشخیص بیماری آلزایمر، کووید ۱۹ و بازشناسی احساسات می پردازد هدف اصلی توسعه یک سیستم تشخیصی خودکار برای شناسایی آلزایمر با استفاده از شبکه های عصبی است همچنین، تاکید بر اهمیت تکنیک های هوش مصنوعی، به ویژه CNN، در غربالگری تصاویر سی تی اسکن بیماران مبتلا به کووید ۱۹ وجود دارد که دقت تشخیص به بیش از ۹۵ درصد رسیده است ترکیب معماری های مختلف CNN دقت را به بیش از ۹۹ درصد افزایش داده است در بخش بازشناسی احساسات، ترکیب شبکه های کانولوشنی و ترنسفورمر CTF با دقت ۹۴ ۸۰ درصد نسبت به روش های سنتی بهبود قابل توجهی داشته است در نهایت، الگوریتم یادگیری عمیق GMDH برای بهبود دقت تشخیص اهداف راداری معرفی شده که به طور میانگین ۵ درصد نسبت به سایر روش ها بهتر عمل کرده است شبکه های عصبی عمیق DNN ابزارهای قدرتمند در یادگیری ماشین هستند که به دلیل قابلیت های خود در پردازش و تحلیل داده های بزرگ، در حوزه های مختلف کاربرد دارند کاربردهای اصلی DNN شامل:۱ پردازش تصویر: تشخیص اشیاء، شناسایی چهره ها و تحلیل تصاویر پزشکی ۲ پردازش زبان طبیعی: ترجمه ماشینی، تحلیل احساسات و تولید متن ۳ خودروهای خودران: تشخیص موانع و تحلیل شرایط جاده ۴ پیش بینی مالی: تحلیل داده های بازار و شناسایی تقلب ۵ بازی های ویدیویی: توسعه هوش مصنوعی برای رقابت با بازیکنان ۶ سیستم های توصیه گر: پیشنهاد محصولات و محتوا بر اساس رفتار کاربران به طور کلی، DNNها به دلیل توانایی شان در یادگیری از داده های پیچیده و استخراج الگوها، در بهبود کارایی و دقت در بسیاری از حوزه ها موثر هستند پنج تا مقاله درباره کاربرد شبکه های عصبی عمیق مطالعه کرده ام و یک مقاله مروری استخراج نموده ام

کلیدواژه‌ها

نویسندگان

زهرا مجرد

دانشجوی کارشناسی کامپیوتر، دانشکده ملی مهارت دختران انقلاب بجنورد

نساء خاندوزی قلی آباد

نویسنده مسئول، استاد راهنما دانشکده ملی مهارت دختران انقلاب بجنورد

مجرد، زهرا و خاندوزی قلی آباد، نساء،1404،بررسی کاربرد شبکه های عصبی عمیق در تشخیص بیماری،بیست و هفتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات،بابل

ارائه‌شده در

مجموعه مقالات بیست و هفتمین کنفرانس ملی علوم و مهندسی کامپیوتر و فناوری اطلاعات26 تیر 1404 · بابل