تشخیص نوع لوسمی به کمک یادگیری ماشین: کاهش ابعاد و متوازن سازی
نویسنده:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
مقدمه
ترکیب تکنیک های محاسباتی هوش مصنوعی و داده کاوی در پزشکی به پیشرفت های قابل توجهی در پیش گیری و تشخیص بیماری ها منجر شده است. در تشخیص لوسمی حاد از اطلاعات ژنتیکی، مدل های پیچیده ای تاکنون ارائه شده؛ اما نتایج قابل توجهی را ارائه نکرده است. این مطالعه به تشخیص نوع سرطان خون با بررسی محدوده گسترده ای از توابع پارامتری و غیرپارامتری و به منظور افزایش قابلت تعمیم آن ها در یادگیری با استخراج ویژگی های ذاتی کم تر از نمونه ها می پردازد.روش
این مطالعه توصیفی- تحلیلی، بر روی داده های Leukemia1 از دانشگاه واندربیلت آمریکا انجام شد. این داده ها مجموعه ای از نمونه های مغز استخوان و خون بیماران لوسمی است که برای طبقه بندی بر اساس سه زیر گروه سرطان خون ALL B-cell، ALL T-cell و AML استفاده می شود. دسته بندی پارامتری با الگوریتم های خطی، بیز ساده، فاصله اقلیدسی، نزدیک ترین میانگین، تطبیق قالب و دسته بندی غیرپارامتری با الگوریتم های تخمین گرهای پایه، هسته، k -همسایه نزدیک تر و k -همسایه نزدیک تر مبتنی برهسته انجام گردید.نتایج
با در نظر گرفتن تمامی ویژگی ها بهترین الگوریتم نزدیک ترین میانگین بود که به دقت پیش بینی 92/86 % رسید. با اعمال روش کاهش ویژگی PCA، باز هم بهترین نتیجه مربوط به الگوریتم نزدیک ترین میانگین بود و با متوسط تعداد ویژگی 6/8 به دقت 96% دست یافت. در نهایت با متوازن سازی داده های Leukemia1، متوسط تعداد ویژگی و دقت توسط الگوریتم درجه 2 به ترتیب 41/5 و 98/59 حاصل گردید.نتیجه گیری
نتایج به دست آمده بیانگر اثربخشی استخراج ویژگی های ذاتی و متوازن سازی در بهبود دقت مدل مبتنی بر قاعده بیز و برتری آن نسبت به مدل های پیچیده تر کنونی می باشد.کلیدواژگان:
زبان:
فارسی
صفحات:
25 تا 34
لینک کوتاه:
magiran.com/p1859785
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!