Επιβλέπων Καθηγητής : Δρ. Χρίστος Ν. Σχίζας 01 / 08 / 2012 Πρώτη Εργασία Εφαρμογή Τεχνητών Νευρωνικών δικτύων για πρόβλεψη του Καρκίνου του Μαστού και.

Παρουσίαση με θέμα: "Επιβλέπων Καθηγητής : Δρ. Χρίστος Ν. Σχίζας 01 / 08 / 2012 Πρώτη Εργασία Εφαρμογή Τεχνητών Νευρωνικών δικτύων για πρόβλεψη του Καρκίνου του Μαστού και."— Μεταγράφημα παρουσίασης:

1 Επιβλέπων Καθηγητής : Δρ. Χρίστος Ν. Σχίζας 01 / 08 / 2012 Πρώτη Εργασία Εφαρμογή Τεχνητών Νευρωνικών δικτύων για πρόβλεψη του Καρκίνου του Μαστού και κατηγοριοποίηση φυτών Χαράλαμπος Χρίστου 986236

2  Βάση Δεδομένων Φυτών Iris ° 150 Περιπτώσεις Φυτών ° 4 χαρακτηριστικά ° 3 κατηγορίες  Iris Setosa  Iris Versicolour  Iris Virginica Εισαγωγή ΜεθοδολογίαΑποτελέσματαΣυμπεράσματα

3  Βάση Δεδομένων Καρκίνου του Μαστού ° 682 Περιπτώσεις Ασθενών ° 9 χαρακτηριστικά ° 2 κατηγορίες  Καλοήθης  Κακοήθης Εισαγωγή ΜεθοδολογίαΑποτελέσματαΣυμπεράσματα

4 Μήκος Σεπάλου σε cm Πλάτος Σεπάλου σε cm Μήκος Πετάλου σε cm Πλάτος Πετάλου σε cm Εισαγωγή ΜεθοδολογίαΑποτελέσματαΣυμπεράσματα

5 Clump Thickness Uniformity of Cell Size Uniformity of Cell Marginal Adhesion Single Epithelial Cell Size Bare Nuclei Bland Chromatin Normal Nucleoli Mitoses Εισαγωγή ΜεθοδολογίαΑποτελέσματαΣυμπεράσματα

6 Εισαγωγή Μεθοδολογία ΑποτελέσματαΣυμπεράσματα ΕΙΣΟΔΟΣ Μήκος Σεπάλου σε cm Πλάτος Σεπάλου σε cm Μήκος Πετάλου σε cm Πλάτος Πετάλου σε cm Νευρωνικό Δίκτυο ΕΞΟΔΟΣ 0 Ιris Setosa 1 Iris Versicolour 2 Iris Virginica

7 Εισαγωγή Μεθοδολογία ΑποτελέσματαΣυμπεράσματα ΕΙΣΟΔΟΣ Clump Thickness Uniformity of Cell Size Uniformity of Cell Marginal Adhesion Single Epithelial Cell Size Bare Nuclei Bland Chromatin Normal Nucleoli Mitoses Νευρωνικό Δίκτυο ΕΞΟΔΟΣ 0 Καλοήθης 1 Κακοήθης

8 Feed Forward Νευρωνικό δίκτυο με ένα κρυφό επίπεδο Εισαγωγή Μεθοδολογία ΑποτελέσματαΣυμπεράσματα Learning rateMomentumInitial weights 0.1 0.3 Scale functionActivation functionEpochs LinearLogistic500

9 Εισαγωγή ΣυμπεράσματαΜεθοδολογία Αποτελέσματα Threshold Κατανομή Εξόδου σε 10 περιοχές Αριθμός Περιπτώσεων Περιοχές

10 Εκπαίδευση Iris SetosaIris VirginicaIris Versicolour Πρόβλεψη 382835 Πραγματικός αριθμός 383235 Επίδοση 100,00%87,50%100,00% Πρόβλεψη Iris SetosaIris VirginicaIris Versicolour Πρόβλεψη 1212171715 Πραγματικός αριθμός 1212181815 Επίδοση 100,00%94,44%100,00% Εισαγωγή Μεθοδολογία Αποτελέσματα Συμπεράσματα

11 Εκπαίδευση ΚαλοήθηςΚακοήθης Πρόβλεψη 310167 Πραγματικός αριθμός 310167 Επίδοση 100,00% Πρόβλεψη ΚαλοήθηςΚακοήθης Πρόβλεψη 13213266 Πραγματικός αριθμός 13471 Επίδοση 98,51%92,96% Εισαγωγή Μεθοδολογία Αποτελέσματα Συμπεράσματα

12  Βάση Δεδομένων Φυτών Iris Η κατηγορία 1 και η κατηγορία 3 διαχωρίζονται με 100% επιτυχία, ενώ η κατηγορία 2 έχει επιτυχία γύρο στο 90%. Η αρχιτεκτονικές με τα καλύτερα αποτελέσματα είναι οι 20 Log, 30 Log, 40 Log, 40 Tanh και 60 Tanh. Όλες αυτές οι αρχιτεκτονικές έχουν 100% επιτυχία στις κατηγορίες 1 και 3 και ~90% στη 2. Εισαγωγή Μεθοδολογία Αποτελέσματα Συμπεράσματα

13  Βάση Δεδομένων Καρκίνου του Μαστού Η Βάση δείχνει να έχει λογική συνέχεια γιατί τα αποτελέσματα του Τ raining με το Evaluation είναι στα ίδια περίπου επίπεδα. Η αρχιτεκτονική με την μεγαλύτερη επίδοση είναι η 60 Tanh. Έχει 100% επιτυχία στην Εκπαίδευση και γύρο στο 96.6% στην Πρόβλεψη. Εισαγωγή Μεθοδολογία Αποτελέσματα Συμπεράσματα