انتخاب ویژگی و کلاس بندی داده های میکرو آرایه به کمک الگوریتم ژنتیک و شبکه عصبی بیزین

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 4,764

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICBME16_136

تاریخ نمایه سازی: 11 تیر 1388

چکیده مقاله:

تکنولوژی ریزارایه ابزار قدرتمندی جهت آنالیز رفتار هزاران ژن به صورت همزمان بوده و نقش مهمی را در زمینه تشخیص و همچنین کشف و بررسی روشهای درمان آنها برعهده دارد روشهای آماری استاندارد که برای کلاس بندی و تشخیص استفاده می شوند، درحالتی که تعداد نمونه هاه از تعداد ژن ها بیشتر باشد، به خوبی عمل نمی کنند. تغییر در این روشها جهت آنالیز داده های سرطانی ضروری است. در سرطان روده سلولهای سرطانی در داخل بافت روده شروع به تکثیر کرده و به این ترتیب بربیانهای ژنی اثر می گذارند. روش پیشنهادی در این مقاله استفاده از الگوریتم ژنتیک جهت انتخاب ویژگی های مناسب و در نهایت استفاده از شبکه عصبی بیزین جهت کلاس بندی و تشخیص سالم و یا سرطانی بودن بافت می باشد. ابتدا تعداد زیادی زیرمجموعه از ژن ها که توانایی تشخیص کلاسهای متفاوت را دارا هستند با استفاده از الگوریتم ژنتیک بدست می آیند. سپس فرکانس مربوط به هریک از ژن ها مورد بررسی خواهد گرفت. ژن هایی که نسبت به بقیه پرتکرار تر هستند، جهت کلاس بندی نمونه ها برپایه شبکه عصبی بیزین استفاده خواهند شد. الگوریتم پیشنهادی برروی داده های سرطان روده آزمایش شده است.

کلیدواژه ها:

شبکه عصبی بیزین ، الگوریتم ژنتیک ، تکنولوژی ریزارایه و سرطان روده

نویسندگان

سمانه خاکشور

آزمایشگاه سیستمهای هوشمند دانشکده برق و کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی

محمد تشنه لب

آزمایشگاه سیستمهای هوشمند دانشکده برق و کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی

مهدی علیاری شوره دلی

آزمایشگاه سیستمهای هوشمند دانشکده برق و کامپیوتر دانشگاه صنعتی خواجه نصیرالدین طوسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • I00, uo. 6, pp. 3351-3356, 2003. ...
  • Pedesea JT, Molt J. Genetic algoribms for proteiu struciure prediction. ...
  • N.Sabar, M.Ayob, _ Roulette Whel Gapl iaetabliag ...
  • Dida R. O. aad Hat P E. (1973). _ Classification ...
  • McLacbla G. J. aud Basford K. B. (1988). Mixture Model: ...
  • _ A.Dempster, N.Laird, _ aad D.Rubia, _ _ J.Rmy.Statist. Soe. ...
  • . S.Riclbards and P.Gree ;"Bayesiaa Approcbes to Gaussia Mixture Modeling, ...
  • . G.Mclacblaa and D. Peel, Fin _ tureModels, New York: ...
  • K.Joug, E.Marcbiori, M.Sebagy, A.Vaart, _ _ _ Proteomic _ Dato ...
  • نمایش کامل مراجع