همواره نظارت بلادرنگ بر بیمار بسیار مورد اهمیت بوده است. دست‌یابی به این دانش که به‌صورت یکپارچه بتوان بر بافت آسیب‌دیده نظارت داشت، کار بسیار مهم می‌باشد. در روش‌های قبلی با استفاده از یک حسگر بر بافت موردنظر نظارت می شد. در این مقاله نه‌تنها با استفاده از یک حسگر بر بافت نظارت می شود بلکه نظارت و ارزیابی تأثیر بافت‌های دیگر، بر بافت تومور مورد ارزیابی قرار می گیرد. شبکه هوشمند که در این مقاله مطرح شده است، به‌منظور نظارت بر وضعیت بیمار دارای تومور سینه طراحی شده است. ساختار شبکه هوشمند با توجه به نوع وزن مسیرهای ارتباطی بین گره‌ها و توانایی گره‌ها یک شبکه نیرومند برای ارزیابی وضعیت بیمار را به ما نشان می‌دهد. با تغییر وضعیت بیمار، گره‌ها و وزن مسیرهای ارتباطی تغییر می‌کند که این نشان می‌دهد که اطلاعات مهمی در شبکه وجود دارد و به متخصصان کمک می‌کند تا بتوانند بهتر وضعیت بیماری را موردبررسی قرار دهند. نظارت شبکه به این صورت می باشد که به صورت مداوم گره ارزیاب، گره تومور را ارزیابی می کند، با تغییر وضعیت گره تومور، وضعیت سایر گره ها و مسیرهای ارتباطی بین آن تغییر می کند، نتیجه تغییرات در شبکه به وسیله گره ارزیاب مورد ارزیابی قرار می گیرد. نتایج شبیه‌سازی نشان می‌دهد که این شبکه از هوشمندی لازم برای ارزیابی وضعیت بیمار در شرایط نامطلوب را دارا می‌باشد. Manuscript profile

In this article, a new method is proposed to find tumor's location. This process is based on the arrangement of sensors; the phase and distance to the cancer are given as well. Extraction of tumor distance and phase by Snell's law is the number of received pulses and the delay of receiving Signal. The transmitter antenna is in a fixed position, and the receiver rotates at a certain angular velocity around the tissue. Considering this information, a package solution in polar coordinates is presented. Meanwhile, angle and range information are extracted. Then the maximum probability estimate of the target location is given. This paper applies experimentally to simulated random data. Manuscript profile

In this paper, a new method for estimating the tumor's location is presented; the technique is based on the arrangement of sensors and received wave changes. A new method has been developed for locating the return signal from the tumor. The main idea is that the location of the tumor is randomly assumed. And then estimates the location of the tumor. It presents a phase event. Various articles have used a combination of these methods to shape different issues. However, these methods have not been used to estimate tumor location. In this article, two types of wavelengths are used; the transmitter node first sends a signal with a specific frequency, it is assumed that the reflection is almost complete. Therefore, according to the reviews of the tumor signal, we find that the tumor is in the region of intensification, i.e., the dimensions of the tumor are in the order of the transmitted wavelength. Then, by changing the frequency, the signal passes through the tumor. The signal passing through the tumor (according to "Snell's" law) fails; that is, the received signal is received with angular deviation and delay. An estimator is suggested by the maximum likelihood maximum (MLE). The estimators have a nonlinear form. We use the SD reduction slope algorithm to LS linear search algorithm for optimizations. Manuscript profile

در این مقاله شبکه هوشمند برای نظارت بر بیمار مبتلا به سرطان سینه مطرح شده است. افزایش سرعت شبکه نظارت بر بیمار به نوع مشاهده، تفکر و درک ما از بیمار بستگی دارد. عوامل مختلفی از شبکه باعث شناخت بیشتر بیماری است که این عوامل با توجه به نوع آرایش شبکه، تعداد گره ها، قابلیت گره ها و جهت لینک های ارتباطی بستگی دارد. چرخه کنترل و نظارت بر بیمار شامل مشاهده، جهت گیری، تصمیم و عمل است که این چرخه مجموعه ای از اعمال متوالی هست که با تغییر آرایش شبکه، جهت گیری، تصمیم و عمل تغییر می یابد. در این مقاله ساختار شبکه هوشمند با توجه به وزن گره های مسیرهای ارتباطی به گونه ای طراحی می شود که چرخه کنترل و نظارت (تحلیل، تصمیم و عمل) عملکرد خوبی را داشته باشد. چرخه کنترل و نظارت با روش پیشنهادی فرآیند تحلیل سلسله مراتبی فازی (FAHP) مدل سازی می شود. این مدل با شناخت اولویت های شناسایی، معیارهای تصمیم گیری را به گونه ای تنظیم می کند که با کمترین زمان، سرعت تشخیص شبکه افزایش یابد و همچنین ابزاری مناسب برای مدل سازی چرخه نظارت و نتایج حاصل از شبکه هوشمند است. نتایج شبیه سازی نشان می دهد که این شبکه از هوشمندی لازم برای ارزیابی وضعیت بیمار در شرایط نامطلوب، قدرت تحلیل و ارزیابی مداوم بیمار را دارد و همچنین قدرت تصمیم گیری به موقع در وضعیت های مختلف را دارد. این نتایج نشان می دهد که با توجه به آرایش شبکه و تحلیل سلسله مراتبی فازی نرخ سرعت شبکه نسبت به دیگر شبکه ها به میزان ۱۰ درصد بهبود یافته است. Manuscript profile