artificial neural network (ANN) ana

artificial neural network (ANN) analysis of virotherapy in preclinical breast cancer was investigated. Materials and Methods: In this research article, a multilayer feed-forward neural network trained with an error back-propagation algorithm was incorporated in order to develop a predictive model. The input parameters of the model were virus dose, week and tamoxifen citrate, while tumor weight was included in the output parameter. Two different training algorithms, namely quick propagation (QP) and Levenberg-Marquardt (LM), were used to train ANN. Results: The results showed that the LM algorithm, with 3-9-1 arrangement is more efficient compared to QP. Using LM algorithm, the coefficient of determination (R2) between the actual and predicted values was determined as 0.897118 for all data. Conclusion: It can be concluded that this ANN model may provide good ability to predict the biometry information of tumor in preclinical breast cancer virotherapy. The results showed that the LM algorithm employed by Neural Power software gave the better performance compared with the QP and virus dose, and it is more important factor compared to tamoxifen and time (week).

ผลลัพธ์ (ไทย) 1:

การวิเคราะห์เครือข่ายประสาทเทียม (แอน) ของ virotherapy ในโรคมะเร็งเต้านมพรีคลินิกได้รับการตรวจสอบ วัสดุและวิธีการ: ในบทความงานวิจัยนี้เครือข่ายการป้อนไปข้างหน้าหลายประสาทได้รับการฝึกฝนด้วยความผิดพลาดขั้นตอนวิธีการขยายพันธุ์กลับเป็น บริษัท ในการที่จะพัฒนารูปแบบการพยากรณ์ ป้อนพารามิเตอร์ของรูปแบบที่มีปริมาณไวรัสสัปดาห์และซิเตรท tamoxifen,ในขณะที่น้ำหนักเนื้องอกถูกรวมอยู่ในพารามิเตอร์ สองขั้นตอนวิธีการฝึกอบรมที่แตกต่างกันคือการขยายพันธุ์อย่างรวดเร็ว (qp) และ levenberg-Marquardt (LM) ถูกนำมาใช้ในการฝึกอบรมแอน ผล: ผลการศึกษาพบว่าขั้นตอนวิธี LM ที่มีการจัด 3-9-1 มีประสิทธิภาพมากขึ้นเมื่อเทียบกับ qp โดยใช้วิธี LM,ค่าสัมประสิทธิ์ของการตัดสินใจ (R2) ระหว่างค่าที่เกิดขึ้นจริงและที่คาดการณ์ไว้ถูกกำหนดเป็น .897118 ข้อมูลทั้งหมด สรุป: จะสามารถสรุปได้ว่ารูปแบบแอนนี้อาจมีความสามารถที่ดีในการทำนายข้อมูล biometry ของเนื้องอกใน virotherapy มะเร็งเต้านมพรีคลินิกผลการศึกษาพบว่าขั้นตอนวิธี LM งานโดยซอฟต์แวร์อำนาจประสาทให้ประสิทธิภาพที่ดีขึ้นเมื่อเทียบกับ qp และปริมาณไวรัสและเป็นปัจจัยที่สำคัญมากขึ้นเมื่อเทียบกับ tamoxifen และเวลา (สัปดาห์)

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์โครงข่ายประสาทเทียม (แอน) virotherapy ในมะเร็งเต้านม preclinical ถูกสอบสวน วัสดุและวิธีการ: ในบทความนี้วิจัย เครือข่ายประสาทอาหารไปหลายชั้นฝึกฝน ด้วยอัลกอริทึมการเผยแพร่หลังข้อผิดพลาดถูกรวมการพัฒนาแบบจำลองการคาดการณ์ อินพุตพารามิเตอร์ของแบบจำลองถูกไวรัสยา สัปดาห์ และ tamoxifen ซิเตรต ในขณะที่น้ำหนักของเนื้องอกรวมอยู่ในพารามิเตอร์ผลลัพธ์ กระบวนการฝึกอบรมแตกต่างกันสอง ได้แก่การเผยแพร่อย่างรวดเร็ว (QP) และ Levenberg Marquardt (LM), ใช้ในการฝึก ANN. ผลลัพธ์: ผลลัพธ์พบว่าอัลกอริทึม LM, 3-9-1 จัดเป็นมากเมื่อเทียบกับ QP โดยใช้อัลกอริทึม LM ค่าสัมประสิทธิ์การกำหนด (R2) ระหว่างค่าจริง และที่คาดการณ์ถูกกำหนดเป็น 0.897118 สำหรับข้อมูลทั้งหมด สรุป: มันสามารถสรุปได้ว่า แบบจำลองนี้แอนน์อาจให้ดีความสามารถในการทำนายข้อมูล biometry ของเนื้องอกในเต้านม preclinical มะเร็ง virotherapy ผลพบว่าอัลกอริทึม LM ที่จ้าง โดยพลังประสาทซอฟต์แวร์ให้ประสิทธิภาพดีขึ้นเมื่อเทียบกับการ QP และปริมาณไวรัส และปัจจัยสำคัญที่เมื่อเปรียบเทียบกับ tamoxifen และเวลา (สัปดาห์)

ผลลัพธ์ (ไทย) 3:

เกินเทียมเครือข่าย(แอน)การวิเคราะห์ของ virotherapy ในมะเร็งเต้านมเป็นเครื่องตรวจวินิจฉัยด้วย ภาพ ก่อนการรักษาการสอบสวน วัสดุและวิธีการในข้อการวิจัยนี้อัลกอริธึมแบบมัลติเลเยอร์ชนิดเรียงซ้อนอาหาร - ส่งต่อที่ได้รับการฝึกอบรมเครือข่ายเกินด้วยข้อผิดพลาดกลับมา - แพร่ได้ก่อตั้งในการสั่งซื้อแบบคาดการณ์เอาไว้แล้วในการพัฒนาของรุ่นที่. ค่าตัวแปรในการป้อนข้อมูลของรุ่นที่มีขนาดและไวรัสสัปดาห์ citrate tamoxifenในขณะที่น้ำหนักเนื้องอกก็รวมอยู่ในค่าพารามิเตอร์เอาต์พุต อัลกอริธึมการฝึกอบรมสองแตกต่างกันได้แก่แพร่กระจายอย่างรวดเร็ว( frame QP ต่ำสุด)และ levenberg-marquardt ( LM )ได้ถูกนำมาใช้ในการฝึกอบรมแอน ผลการค้นหาผลลัพธ์ที่แสดงให้เห็นว่าอัลกอริธึม LM ที่พร้อมด้วย 3-9-1 การจัดวางเป็นอย่างมี ประสิทธิภาพ มากยิ่งขึ้นเมื่อเทียบกับ qp. โดยใช้อัลกอริธึม LMตัวเลขของการกำหนด( R 2 )ที่อยู่ระหว่างค่าจริงและคาดว่าจะพิจารณาว่าเป็น 0.897118 สำหรับข้อมูลทั้งหมด บทสรุปจะสามารถสรุปได้ว่ารุ่นนี้แอนอาจจะให้ความสามารถที่ดีในการทำนายข้อมูล biometry ของเนื้องอกใน virotherapy เครื่องตรวจวินิจฉัยด้วย ภาพ ก่อนการรักษาโรคมะเร็งเต้านม.ผลการค้นหาจะแสดงให้เห็นว่าอัลกอริธึม LM ที่ใช้โดยเกินอำนาจซอฟต์แวร์ที่ให้ ประสิทธิภาพ การทำงานที่ดีขึ้นเมื่อเทียบกับปริมาณไวรัสและ frame QP ต่ำสุดและเป็นปัจจัยสำคัญมากกว่าเมื่อเทียบกับ tamoxifen และเวลา(สัปดาห์)