| تاریخ ارسال: 1400/7/27 |
دانشجو: آقای پیمان مردانی قهفرخی
استاد راهنما: دکتر سید احسان ملیحی
زمان: چهارشنبه ۲۸ مهر ماه ۱۴۰۰ ساعت: ۰۸:۰۰
لینک ورود به جلسه
استاد راهنما: دکتر سید احسان ملیحی
زمان: چهارشنبه ۲۸ مهر ماه ۱۴۰۰ ساعت: ۰۸:۰۰
لینک ورود به جلسه
چکیده
یکی از مشکلات جوامع امروزی رشد سریع میزان ابتلا به سرطان در بین مردم آن می باشد. هزینه های ناشی از انجام آزمایشات و مراحل شناسایی این بیماری تا کشف شدن آن یکی از عواملی می باشد که تشخیص بیماری را به تاخیر می اندازد، به همین دلیل وجود یک الگوریتم و سیستم هوشمند می تواند در سرعت تشخیص و کاهش هزینه ها و زمان موثر باشد. سرطان دهانه ی رحم نیز که یکی از سرطان های رایج در بین زنان می باشد از این قاعده مستثنی نمی باشد. در این پژوهش با کمک پزشک خبره ریسک فاکتورهای این سرطان بررسی شده است و براساس آنها داده ای از پژوهش های پیشین که شامل ۸۵۸ بیمار و ۳۲ ویژگی می باشد، دریافت شده است. در رابطه با این موضوع تاکنون پژوهش هایی با اهداف متفاوت انجام شده است که عملکرد و دقت بالایی نداشته اند و میزان استفاده ی آنها از الگوریتم های جدید بسیار کم است. به منظور افزایش دقت و سایر پارامترها و همچنین استخراج ریسک فاکتورهای مهم این سرطان، ابتدا پایگاه داده پیش پردازش و پاکسازی شده است و در ادامه با استفاده از سه الگوریتم فراابتکاری گرگ خاکستری، ملخ و خفاش که در سال های اخیر ابداع شده اند، انتخاب ویژگی انجام شده و داده ها کاهش ابعاد یافته اند. با استفاده از الگوریتم های یادگیری گروهی آدابوست، جنگل تصادفی و گرادیانت تقویت شده، داده های کاهش ابعاد یافته برای تشخیص سرطان پردازش شده و خروجیها براساس پارامترهای مختلف گزارش شده است که الگوریتم گرگ خاکستری و آدابوست و متغییر هدف اول با داشتن دقت ۰.۹۹۴، حساسیت ۰.۸۶۶، خصوصیت ۱ و سطح زیر منحنی عملکرد ۰.۹۶۲ بهعنوان بهترین مدل شناخته شده است، که در مقایسه با پژوهش های پیشین عملکرد بهتری داشته است.
کلمات کلیدی: یادگیری ماشین، سرطان، انتخاب ویژگی، الگوریتم های فراابتکاری، یادگیری گروهی
یکی از مشکلات جوامع امروزی رشد سریع میزان ابتلا به سرطان در بین مردم آن می باشد. هزینه های ناشی از انجام آزمایشات و مراحل شناسایی این بیماری تا کشف شدن آن یکی از عواملی می باشد که تشخیص بیماری را به تاخیر می اندازد، به همین دلیل وجود یک الگوریتم و سیستم هوشمند می تواند در سرعت تشخیص و کاهش هزینه ها و زمان موثر باشد. سرطان دهانه ی رحم نیز که یکی از سرطان های رایج در بین زنان می باشد از این قاعده مستثنی نمی باشد. در این پژوهش با کمک پزشک خبره ریسک فاکتورهای این سرطان بررسی شده است و براساس آنها داده ای از پژوهش های پیشین که شامل ۸۵۸ بیمار و ۳۲ ویژگی می باشد، دریافت شده است. در رابطه با این موضوع تاکنون پژوهش هایی با اهداف متفاوت انجام شده است که عملکرد و دقت بالایی نداشته اند و میزان استفاده ی آنها از الگوریتم های جدید بسیار کم است. به منظور افزایش دقت و سایر پارامترها و همچنین استخراج ریسک فاکتورهای مهم این سرطان، ابتدا پایگاه داده پیش پردازش و پاکسازی شده است و در ادامه با استفاده از سه الگوریتم فراابتکاری گرگ خاکستری، ملخ و خفاش که در سال های اخیر ابداع شده اند، انتخاب ویژگی انجام شده و داده ها کاهش ابعاد یافته اند. با استفاده از الگوریتم های یادگیری گروهی آدابوست، جنگل تصادفی و گرادیانت تقویت شده، داده های کاهش ابعاد یافته برای تشخیص سرطان پردازش شده و خروجیها براساس پارامترهای مختلف گزارش شده است که الگوریتم گرگ خاکستری و آدابوست و متغییر هدف اول با داشتن دقت ۰.۹۹۴، حساسیت ۰.۸۶۶، خصوصیت ۱ و سطح زیر منحنی عملکرد ۰.۹۶۲ بهعنوان بهترین مدل شناخته شده است، که در مقایسه با پژوهش های پیشین عملکرد بهتری داشته است.
کلمات کلیدی: یادگیری ماشین، سرطان، انتخاب ویژگی، الگوریتم های فراابتکاری، یادگیری گروهی
دفعات مشاهده: 621 بار |
دفعات چاپ: 106 بار |
دفعات ارسال به دیگران: 0 بار |
0 نظر