ردهبندی درجه تومور گلیومای ساقه مغز بر اساس یافتههای MRI با استفاده از مدل ماشین بردار پشتیبان
نویسندگان
چکیده مقاله:
هدف: گلیومای ساقه مغز یکی از انواع تومورهای مغز است که 10 تا 20 درصد تومورها در کودکان و 2 درصد تومورهای بزرگسالان را شامل میشود و دارای دو درجه پایین و بالا است. تشخیص درجه تومور گلیوما توسط بیوپسی بیماران انجام میشود. هدف از این مطالعه ارایه یک مدل ردهبندی برای تشخیص درجه تومور گلیوما بر اساس یافتههای MRI و همچنین بررسی تاثیر هر یک از یافتههای MRI بر درجه تومور است. مواد و روشها: در این مطالعه توصیفی تحلیلی، از اطلاعات MRI و پاتولوژی همه بیماران (96 نفر) دارای تومور مغزی گلیوما که طی سالهای 85 تا 91 به بخش استریوتاکسی بیمارستان شهدای تجریش مراجعه کردهاند، استفاده شده است. برای تحلیل دادهها از مدل ماشین بردار پشتیبان به عنوان یک مدل ردهبندی با دقت بالا و مناسب برای دادههایی با تعداد متغیرهای زیاد و یا متغیرهای کیفی با ردههای زیاد و فراوانی کم در ردهها، استفاده شده است. اجرای مدل در برنامه R نسخه 1.3.3 انجام شده است. یافتهها: دقت کلی مدل ردهبندی ماشین بردار پشتیبان 93 درصد، حساسیت مدل 90 درصد و ویژگی آن 93 درصد است. داشتن سردرد، گسترش تومور در نخاع، ظاهر هموژن، ظاهر شبه کیست، سیگنال ایزو در T1 و T2، ارتباط مثبتی با درجه تومور پایین و درگیری پونز، گسترش تومور در تالاموس، ظاهر با حدود مشخص، ظاهر نکروزی، سیگنال هایپر در T2 و انهانسمنت هتروژن ارتباط مثبتی با تومور درجه بالا دارند. نتیجهگیری: مدل ردهبندی ماشین بردار پشتیبان بر اساس یافتههای MRI، در تشخیص درجه تومور دقت بالایی دارد
منابع مشابه
مدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی
Accurate simulation runoff process can have a significant role in water resources management and related issues. The inherent complexity of this process makes difficult the use of physical and numerical models. In recent years, application of intelligent models is increased a powerful tool in hydrological modeling. The aim of this study was the application of the Gamma test to select the optim...
متن کاملبرآورد ارزش در معرض ریسک با استفاده از مدل ترکیبی ماشین بردار پشتیبان و گارچ
یکی از حوزههای اصلی مدیریت مالی، مدیریت ریسک میباشد. منظور از مدیریت ریسک، شناسایی، اندازهگیری و نظارت بر ریسک است. بنابراین اندازهگیری ریسک از جایگاه ویژهای در مدیریت ریسک برخوردار است. از جمله روشهای شناخته شده و پرکاربرد اندازهگیری ریسک، محاسبه ارزش در معرض ریسک میباشد که موضوع اصلی این پژوهش است. در این پژوهش با استفاده از مدل ترکیبی ماشین بردار پشتیبان وگارچ به پیشبینی نوسانات شا...
متن کاملتاثیر هوش مالی در پیشبینی ریسک اعتباری با استفاده از مدل ماشین بردار پشتیبان
هدف از این مطالعه، بررسی تاثیرهوش مالی در پیشبینی ریسک اعتباری شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد.روش پژوهش از نوع توصیفی- همبستگی است و فرضیهها با استفاده از مدلهای رگرسیون لجستیک و ماشین بردار پشتیبان مورد آزمون قرار گرفتند.دوره زمانی پژوهش شامل 6 سال ازابتدای 1388 تا پایان 1393 و نمونه آماری شامل 115 شرکت از شرکتهای پذیرفته شده در بورس اوراق بهادار تهران میباشد. ن...
متن کاملبررسی دستکاری قیمت¬ها در بورس اوراق بهادار تهران با استفاده از مدل ماشین بردار پشتیبان
دستکاری قیمتها، از جمله عواملی است که موجب بیاعتمادی سرمایهگذاران به بازار سهام شده و مانع رشد و شکوفایی آن میشود. هدف اصلی این پژوهش پیشبینی دستکاری قیمتها با استفاده از مدل ماشین بردار پشتیبان است. این مدل جهت طبقهبندی و تفکیک گروهها بهکار میرود و دادههای مورد بررسی آن باید خطی باشند. هر چند که دادههای مورد استفاده در پژوهش خطی نبودند ولی با استفاده از روش آماری تجزیه و تحلیل اجزا...
متن کاملبازشناسی برخط حروف مجزای دستنویس فارسی بر اساس تشخیص گروه بدنه اصلی با استفاده از ماشین بردار پشتیبان
In this paper a new method for the online recognition of handwritten Persian characters has been proposed which uses a set of simple features and Support Vector Machine (SVM) as a classifier. The task of preprocessing allows us to equalize feature vectors from different characters. This algorithm is implemented in two steps. In the first step, input character is classified into one of eighteen ...
متن کاملپیشبینی ماهانه جریان با استفاده از ماشین بردار پشتیبان بر مبنای آنالیز مؤلفه اصلی
هدف اصلی این تحقیق بررسی تأثیر انتخاب متغیرهای ورودی با استفاده از آنالیز مؤلفه اصلی (PCA) بر عملکرد مدل ماشین بردار پشتیبان (SVM) برای پیشبینی ماهانه دبی رودخانه بود. به این منظور ابتدا با استفاده از 18 متغیر ورودی به مدل SVM، دبی جریان ماهانه پیشبینی شد. سپس با استفاده از PCA تعداد متغیرهای ورودی به مدل SVM از 18 متغیر به 5 مؤلفه کاهش یافت. در نهایت با استفاده از آماره توسعه یافته توسط نویس...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 19 شماره 3
صفحات 584- 590
تاریخ انتشار 2017-06
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023