Applying neural networks, genetic and immune algorithms enable solving tasks of computed-aid diagnosis. In this paper we describe a system for medical data processing that mainly uses neural networks and genetic algorithms. The article provides the results achieved by processing different data including databases of children with perinatal neural system damage. It reveals the profits of using bionic algorithms not only from a medical point but also includes comparison of neural networks architectures and training method variations and their influence on percentage of correctly classified inputs

چکیده

بکارگیری شبکه های عصبی، الگوریتم های ایمنی بدن و ژنتیک به ما در حل مسائل تشخیص پزشکی به کمک کامپیوتر کمک می کند. در این مقاله ما سیستمی را برای پردازش داده های پزشکی با استفاده از شبکه های عصبی و الگوریتم های ژنتیک ارائه می دهیم. مقاله نتایج بدست آمده در پردازش داده های متفاوت نظیر پایگاه داده کودکان با آسیب سیستم عصبی پریناتال را ارائه داده است. در این مقاله مزایای استفاده از الگوریتم های مصنوعی نه تنها از دیدگاه پزشکی مشخص می شود بلکه مقایسه ای از معماری های شبکه های عصبی و انواع متدهای آموزشی آنها و اثر آنها بر درصد ورودیهای به درستی دسته بندی شده نیز ارائه شده است.

1-مقدمه

یکی از مسائل اصلی زیست پزشکی مربوط به ردیابی داده های نیمه ساخت یافته می شود. راه حل این مسائل استفاده از سیستم ها و الگوریتم های زیست پزشکی (نرخ گذاری کامل سلامت ،متدهای تجسم داده های چندبعدی ، تحلیل داده هوشمند)است. سیستم های زیست پزشکی امکان پردازش داده های تحقیقاتی و تشخیص را در حالت موازی با استفاده از تکنولوژیهای ابری HPE Server و Microsoft system Center 2012 ، ایجاد می کنند. سرویس به کاربران اجازه مشاهده محاسبات درونی را نمی دهد بلکه یک واسط عملی را به آنها ارائه می دهد. هنگامیکه داده برای پردازش ارسال می شود، کاربر ممکن است وضعیت کاررا ردیابی کرده و نتایج را به محض اینکه محاسبه  کامل شد،دریافت نماید. سرویس ، از الگوریتمهای خود استفاده کرده و امکان تشخیص  و پیش بینی حالات پزشکی را فراهم می نماید. متدهای تایید شده برمبنای شبکه های عصبی و الگوریتمهای ژنتیک هستند...