مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,024
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

355
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تشخیص نوع سرطان پستان با استفاده از انتخاب ژن های موثر از داده های ریزآرایه

صفحات

 صفحه شروع 39 | صفحه پایان 47

چکیده

 مقدمه: تشخیص زودهنگام سرطان پستان|انتخاب ویژگی|داده های ریزآرایه|دسته بندی و ژن های موثر در آن نقش بسیار کلیدی در درمان و حیات بیمار ایفا می کند. با استفاده ازداده های بیان ژن استخراج شده از فناوری ریزآرایه و الگوریتم های یادگیری ماشین می توانروش های نوین و هوشمندی درنظام سلامت و درمان ارایه داد که با دقت بالایی قادر به تشخیص سرطان پستان|انتخاب ویژگی|داده های ریزآرایه|دسته بندی باشند. روش بررسی: داده های استفاده شده در این پژوهش, شامل داده های بیان9216 ژن مربوط به 84 بیمار در 5 نوع مختلف سرطان است که با استفاده از فناوری ریزآرایه به دست آمده است. در این مطالعه برای افزایش کارایی سیستم های تشخیص سرطان پستان|انتخاب ویژگی|داده های ریزآرایه|دسته بندی, روش سرطان پستان|انتخاب ویژگی|داده های ریزآرایه|دسته بندی مبتنی بر ارتباط بین بیان غیرنرمال ژن و سرطان ارایه شده است. سپس از سه دسته بند پرکاربرد و رایج K-نزدیک ترین همسایه (KNN), ماشین بردار پشتیبان (SVM) و بیزی ساده (NB) برای سنجش کارایی ژن های انتخاب شده استفاده شد. یافته ها: بررسی های انجام شده نشان دادند که با روش سرطان پستان|انتخاب ویژگی|داده های ریزآرایه|دسته بندی پیشنهادی و با استفاده از دسته بند KNN می توان فقط با انتخاب 38 ژن از میان 9216 ژن مربوط به داده های بیماران سرطانی که با استفاده از فناوری ریزآرایه به دست آمده است, انواع سرطان پستان|انتخاب ویژگی|داده های ریزآرایه|دسته بندی بیماران در داده های آزمایش را با دقت 100% تشخیص داد و ژن های مرتبط با هر کلاس را نیز تفکیک کرد. همچنین با استفاده از دسته بند NB, دقت 90% با 17 ژن و با دسته بند SVM, دقت 67/96% با 22 ژن انتخابی به دست آمد. نتیجه گیری: نتایج این مطالعه نشان دادند که روش سرطان پستان|انتخاب ویژگی|داده های ریزآرایه|دسته بندی پیشنهادی, با در نظر گرفتن همزمان دو معیار دقت و تعداد ژن انتخابی, عملکرد مناسبی نسبت به سایر روش ها دارد. توانایی تفکیک ژن های موثر در هر کلاس سرطان, به علاوه تشخیص بیان بیشتر از حد یا کمتر از حد ژن های انتخابی, از خصوصیات ویژه روش پیشنهادی است که می تواند مورد استفاده متخصصین و پژوهشگران حوزه درمان و مراقبت قرار گیرد.

استنادها

  • ثبت نشده است.
  • ارجاعات

    استناددهی

    APA: کپی

    طباطبایی، سیدابوالفضل، درهمی، ولی، شیخ پور، راضیه، و پژوهان، محمدرضا. (1398). تشخیص نوع سرطان پستان با استفاده از انتخاب ژن های موثر از داده های ریزآرایه. بیماریهای پستان ایران، 12(1 (پیاپی 44) )، 39-47. SID. https://sid.ir/paper/144673/fa

    Vancouver: کپی

    طباطبایی سیدابوالفضل، درهمی ولی، شیخ پور راضیه، پژوهان محمدرضا. تشخیص نوع سرطان پستان با استفاده از انتخاب ژن های موثر از داده های ریزآرایه. بیماریهای پستان ایران[Internet]. 1398؛12(1 (پیاپی 44) ):39-47. Available from: https://sid.ir/paper/144673/fa

    IEEE: کپی

    سیدابوالفضل طباطبایی، ولی درهمی، راضیه شیخ پور، و محمدرضا پژوهان، “تشخیص نوع سرطان پستان با استفاده از انتخاب ژن های موثر از داده های ریزآرایه،” بیماریهای پستان ایران، vol. 12، no. 1 (پیاپی 44) ، pp. 39–47، 1398، [Online]. Available: https://sid.ir/paper/144673/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button