تشخیص سرطان سینه در متلب با شبکه عصبی چند لایه

در این پروژه با استفاده از الگوریتم شبکه عصبی در متلب سرطان سینه را تشخیص می دهیم.

برای تشخیص سرطان سینه در متلب از دیتاستی شامل ۸۹۰ نمونه استفاده کرده ایم، ۸۰۰ نمونه را برای آموزش و ۹۰ نمونه را نیز برای تست بکار برده ایم. هر نمونه دارای ۵ ویژگی است که عبارتند از:

۱٫ BI-RADS assessment: 1 to 5 (ordinal)
۲٫ Age: patient’s age in years (integer)
۳٫ Shape: mass shape: round=1 oval=2 lobular=3 irregular=4 (nominal)
۴٫ Margin: mass margin: circumscribed=1 microlobulated=2 obscured=3 ill-defined=4 spiculated=5 (nominal)
۵٫ Density: mass density high=1 iso=2 low=3 fat-containing=4 (ordinal)

در این پروژه از دسته بند شبکه عصبی  برای تشخیص استفاده کرده ایم. شبکه عصبی را با سه لایه شامل لایه ورودی با ۵ نرون، لایه پنهان با ۱۵ نرون و لایه خروجی با ۲ نرون آموزش داده ایم. بعد از دانلود پروژه می توانید تعداد لایه ها و نرون ها در شبکه عصبی را به دلخواه تغییر دهید.

 

ویژگی های این پروژه عبارتند از:

  • برنامه نویسی با زبان متلب
  • استفاده از کتابخانه یادگیری ماشین
  • تشخیص با استفاده از شبکه عصبی (neural network)
  • توضیح کامل برنامه در یک فایل جدا

سورس پروژه های موجود در درس دانلود در زمینه یادگیری ماشین و هوش مصنوعی را می توانید از اینجا مشاهده کنید.

مراحل خرید فایل دانلودی
اگر محصول را می پسندید لطفا آنرا به اشتراک بگذارید.

دیدگاهی بنویسید

0