More Related Content Similar to Breast cancer (20) Breast cancer3. 3
سرطانی هایسلول:
ید ر انسیان بیدن در هاسیلول طبیعیی بطور
تولیید برای ایده کنترل روش به و کنندمی
تمسیی سییمتی فظیس بیرای تری بی هایسلول
وند می.بیدون غیرطبیعیی هاسلول که هنگامی
یر تیا بیدن بیر سیرطان وند تمسی کنترل
گذاردمی.
زنان بین در سرطان ترینایع
هایموقعیت و نژادها در میرومرگ و یوع
است متظاوت مختلف جغرافیایی.
سوزنی آسپیراسیون(FAN)خیص ت برای ی رو
د بامی سرطان.
4. ناساییالگو:
ه یب ییب آمیوزش فرآینید از است عبارت
ه یب اهیداف به نسر را هاورودی تا عصبی
نماید بندیطبمه درستی به.
•آموزشه ب یبعصبی:
•1.سازینرمالهاداده
•2.تنسیهاورودی
•3.اهداف تعیینه ب
•4.ایجادعصبی ه ب یب
•5.ه ب آموزش
•6.عصبی ه ب تست
9. •ویژگی بردارهای:
•1-توده ضخامت:
•گیرفتن قیرار به تمایل خیخوش هايسلول
سرطانی هايسلول ولی دارند را الیه یب در
را الییه دنید در گیرفتن قیرار به تمایل
دارند.
•2-سلول اندازه نواختی ی:
•دارنید متظاوتی اندازه سرطانی هايسلول
یهگونیاین خییوشخی هايیلولسی یهکیفالی در
نیستند.
•3-سلول ل نواختی ی:
•دارنید متظیاوتی ل ی سیرطانی هايسلول
کییهدرفالیگونییهاین خیخییوش هايسییلول
10. •ویژگی بردارهای:
•4-اییه فا دسبندگی:
•بیه کیه دارنید تماییل خیخیوش هايسلول
سیرطانی هايسلول ولی ند با متصل دیگر ی
دسیت از را اتصیال ایین که دارند تمایل
بدهند.
•5-اپیتلیال هایسلول اندازه:
•تیوجیی قابل طوربه که اپیتلیال هايسلول
بیدخی سیلول ییب است ن مم ند با بزرگ
ند با.
•6-داخلی هسته(Bare nuclei:)
•ايواژهتوسیط کیه هاییهسته براي که است
رودمیی کار به اندده ن افاطه سیتوپیس.
11. •ویژگی بردارهای:
•7-بافت ویژگی(Bland chromatin:)
•هسته خیخوش هايسلول در(کروماتین)به
در ولیی اسیت نواخت ی و دستیب بافت ل
نیست دنین سرطانی سلول.
•8-عادی هسته(Normal nucleoli:)
•Normal nucleoliکیه هسیتند ی کود ساختارهاي
ییوند می دیییده هاسییلول هسییته در.در
کودیب خیلیی هاهسته این خیخوش هايسلول
هستند(یند با دییدن قابل اگر)در ولیی
و بیزرگ هاهسیته ایین سیرطانی هايسلول
هستند خص م.
•9-میتوز تمسی:
•دو ایجیاد و سیلول هسیته تمسیی میتوز
است دختر سلول.سرطان گرید هاپاتولوژیست
14. پنیان الیه نورون:
یب از پنیان الیه نورون تعداد اگر
ود تر بی فدی:
1-ما مفاسبات فج و ی آموز زمان
ود می زیاد.
2-باعثoverfitوی می زودرس.
3-ترپیدیده مسائل فل برای قابلیت
یابدمی افزایش.
یب از پنیان الیه نورون تعداد اگر
فدیکمترود:
آیدمی پایین ه ب رد عمل.
25. [x,t] = cancer_dataset;
net = patternnet(10);
net = train(net,x,t);
view(net)
y = net(x);
plotconfusion(t,y)
عصبی ه ب یب طرافی:
26. • x = cancerInputs;
• t = cancerTargets;
• trainFcn = 'trainscg‘ % Scaled conjugate gradient
backpropagation
Levenberg-Marqardt
Baysian Regularization
• hiddenLayer Size = 10;
• net = patternnet(hiddenLayerSize);
• net.divideParam.trainRatio = 70/100;
• net.divideParam.valRatio = 15/100;
• net.divideParam.testRatio = 15/100;
Simple script:
27. • % Train the Network
• [net,tr] = train(net,x,t);
• % Test the Network
• y = net(x);
• e = gsubtract(t,y);
• performance = perform(net,t,y)
• % View the Network
• view(net)
Simple script:
28. • % Plots
• % Uncomment these lines to enable various plots.
• %figure, plotperform(tr)
• %figure, plottrainstate(tr)
• %figure, ploterrhist(e)
• %figure, plotconfusion(t,y)
• %figure, plotroc(t,y)
Simple script:
29. • % For a list of all processing functions type: help
nnprocess
• net.input.processFcns =
{'removeconstantrows','mapminmax'};
• net.output.processFcns =
{'removeconstantrows','mapminmax'};
• net.divideFcn = 'dividerand'; % Divide data randomly
• net.performFcn = 'crossentropy'
Advanced script:
30. • % Choose Plot Functions
• % For a list of all plot functions type: help nnplot
• net.plotFcns =
{'plotperform','plottrainstate','ploterrhist', ...
• 'plotconfusion', 'plotroc'};
Advanced script: