انتخاب یک روش بهینه با استفاده از شبکه های عصبی در شناسایی اختلال افسردگی اساسی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده مهندسی کامپیوتر
- نویسنده عبدالله انصاری
- استاد راهنما مهدی خلیلی
- سال انتشار 1393
چکیده
در سالهای اخیر، استفاده از شبکه های عصبی مصنوعی در علوم آزمایشگاهی و پزشکی –بعنوان یکی از شیوه های پراهمیت تحلیلی و تحقیقاتی- توسعه روز افزونی پیدا کرده است. لیکن، این پیشرفت ها، در حوزه های مختلف روانپزشکی از قبیل آلزایمر، افسردگی، اسکیزوفرنی و ... با سرعت کمتری رشد یافته است. از سویی دیگر، در سال 2004 میلادی، از سوی مرکز آمار بیماری های جهانی یا gbd، گزارشی منتشر شده است که بر اساس آن، 14% از کل بیماری ها را بیماری های حوزه روانپزشکی تشکیل می دادند. از این میان، افسردگی -بعنوان شایع ترین نوع این بیماری ها- بالغ بر تعداد 100 میلیون نفر را به خود مبتلا کرده است که با توجه به گسترش تکنولوژی و رشد زندگی ماشینی انسانها، این تعداد همچنان در حال افزایش روز افزون می باشد. نکته قابل تأمل اینکه، موارد مذکور، منتج به افزایش احتمال عدم آگاهی افراد به ابتلاء این بیماری می شود. از این رو است که ارائه راهکاری برای تشخیص دقیق ابتلاء به این بیماری، بعنوان یکی از موضوعات مهم زندگی روزانه مطرح می شود. افسردگی، یک فرآیند پیچیده غیر خطی است که عموماً به دو نوع «اساسی» و «دوقطبی» طبقه بندی می شود. افسردگی اساسی، یکی از دلائل ناتوانی های روحی در انسان بشمار می آید که بعنوان دومین یا سومین دلیل خودکشی افراد شناخته می شود. افسردگی دوقطبی –یا دوره گذار خلقی- نیز تغییرات از حالت سرحالی و سلامت روحی به حالت شیدایی یا دیوانگی توصیف می شود. تحلیل پژوهش های محققان نشان می دهد که علی رغم وجود تحقیقات محدود، در استفاده از ساختارهای شبکه های عصبی بمنظور تشخیص انواع بیماری افسردگی، هنوز آنالیز جامع و مقایسه ای –بر اثرات الگوریتم های مختلف- روی این بیماری ها انجام نشده است. از این رو، انتخاب و یا ارتقاء یک ساختار مرتبط، کماکان بعنوان موضوعی اساسی در این زمینه پابرجاست . در این پایان نامه ، الگوریتمی ارائه شده است که در آن با بکارگیری 2 تراز از ساختارهای مختلف شبکه های عصبی از قبیل پرسپترون چند لایه (mlp)، تابع پایه شعاعی (rbf)، ماشین بردار پشتیبان(svm) وk- نزدیکترین همسایه (knn)و بررسی تعداد 45 پارامتر مرتبط با اختلال افسردگی اساسی، از قبیل خلق افسرده، عدم امید به آینده، عدم رضایت از زندگی، بی خوابی، اضطراب روانی و... ضمن انتخاب یک روش بهینه، وجود یا عدم وجود این بیماری را با میزان 97% درستی، تشخیص می دهد.
منابع مشابه
انتخاب سبد سرمایه ریسکی با استفاده از شبکه های عصبی
هدف اصلی این تحقیق دستیابی به یک سبد سرمایه مناسب‌تر برای سرمایه‌گذاران ریسک‌پذیر است. در این تحقیق مدل مارکوتیز در تئوری سبد سرمایه به عنوان مدل مقایسه‌ای استفاده شده است و مدل شبکه عصبی با آن مقایسه شده است. الگوی یادگیری شبکه عصبی، الگوی «پس انتشار خطا» می‌باشد. سبد انتخابی شامل بیست سهم از بازار بورس اوراق بهادار تهران است که برای یک دوره سیزده ماهه مورد مطالعه قرار گرفته است. در هر دو مدل ...
متن کاملآیا همراهی اختلال وسواسی- اجباری با اختلال دوقطبی نوع یک کمتر از اختلال افسردگی اساسی است؟
AbstractObjectives: Based on current evidence, comorbidity of obsessive-compulsive disorder (OCD) in bipolar patients is higher than in patients with major depressive disorder (MDD). However, there is little data regarding the comparison of this comorbidity between bipolar I disorder (BID) and MDD. The aim of the present project was to carry out this comparison.Method: 466 patients referred to...
متن کاملانتخاب روشی بهینه در تشخیص اختلال دوقطبی با استفاده از شبکه های عصبی
همراه با توسعه سریع شبکه های عصبی مصنوعی در زمینه های مهندسی پزشکی، مدل سازی، خصوصیات، طبقه بندی، تجزیه و تحلیل و.. در تشخیص اختلالات روانی مورد توجه واقع شده است. می توان گفت تاکنون به دلایل مختلفی از جمله عدم آگاهی افراد از بیماری خود، عدم مراجعه به پزشک و... بسیاری از اختلالات ناشناخته مانده و شخص به موقع جهت درمان اقدام نمی کند و روند درمان دیرتر و در اکتر موارد روند درمانی طولانی تری را در...
15 صفحه اولانتخاب سبد سرمایه ریسکی با استفاده از شبکه های عصبی
هدف اصلی این تحقیق دستیابی به یک سبد سرمایه مناسب تر برای سرمایه گذاران ریسک پذیر است. در این تحقیق مدل مارکوتیز در تئوری سبد سرمایه به عنوان مدل مقایسه ای استفاده شده است و مدل شبکه عصبی با آن مقایسه شده است. الگوی یادگیری شبکه عصبی، الگوی «پس انتشار خطا» می باشد. سبد انتخابی شامل بیست سهم از بازار بورس اوراق بهادار تهران است که برای یک دوره سیزده ماهه مورد مطالعه قرار گرفته است. در هر دو مدل ...
متن کاملاستفاده از آزمون گاما برای انتخاب ورودی های بهینه در مدل سازی مقاومت برشی خاک با استفاده از شبکه های عصبی مصنوعی
متن کامل
تعیین خرج ویژه بهینه در عملیات آتشکاری با استفاده از شبکه¬های عصبی مصنوعی
هدف اصلی در این مطالعه، بررسی کاربرد شبکه عصبی در تخمین خرج ویژه بهینه بر اساس یک سری ازمشاهدات و محاسبات عددی می‌باشد. پارامترهای ورودی مورد نیاز جهت مدلسازی، شامل 12 ویژگی زمین‌شناسی و ژئومکانیکی می‌باشد. اطلاعات مورد نیاز برای این تحقیق از تونل سرریز سد کوثر جمع آوری شده است. شبکه عصبی طراحی شده در این مطالعه توسط داده‌های آموزشی و آزمایشی مورد ارزیابی قرار می‌گیرد. نتایج به دست آمده نشان م...
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 @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه پیام نور - دانشگاه پیام نور استان تهران - دانشکده مهندسی کامپیوتر
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023