12179

مطالعه مدل هاي پيش بيني تشخيص سرطان هاي ريه و پروستات مبتني بر تكنيك هاي يادگيري ماشين

1400

دكتر محمد فتحيان

سرطان يك بيماري كشنده است كه عامل اكثر مرگ و ميرها در سراسر جهان است. سرطان با سلول هايي در حال رشد غيرعادي همراه است كه مي توانند به ساير قسمت هاي بدن حمله كنند يا به ساير قسمت هاي بدن گسترش يابند. براي افزايش بقاي بيماران سرطاني، نياز به تشخيص دقيق به موقع آن وجود دارد. تشخيص به دليل ديجيتالي شدن داده ها، شيوه هاي مختلف مبتني بر داده در تحقيقات سرطان رونق گرفته است. داده كاوي، كه به عنوان كشف دانش از داده ها نيز شناخته مي شود،، به استخراج و شناسايي الگوهايي از مقادير زيادي داده مي پردازد از هوش مصنوعي مي توان براي ايجاد تكنيك هاي جايگزين استفاده كرد. كه سيستم پشتيباني تصميم گيري هوشمند (IDSS) ناميده مي شود. روش ‌هاي هوش مصنوعي مانند منطق فازي، يادگيري ماشين، شبكه‌ هاي عصبي مصنوعي و عوامل هوشمند، زماني كه با DSS مورد استفاده قرار مي‌گيرند. در حل مسائل پيچيده يا مسائل بلادرنگ كمك مي‌كنند.با اين حال، با پيشرفت هاي تكنولوژيكي، تكنيك هاي پيش بيني مبتني بر داده ها مي توانند به مدل بهتر پيش آگهي سرطان كمك كنند. سرطان پروستات رايج ترين نوع سرطان هاي غير پوستي در مردان مي باشد سرطان پروستات (PCa) دومين سرطان شايع در جهان است و در ايران به عنوان دومين سرطان شايع در بين مردان گزارش شده است. مطالعات اپيدميولوژيك نشان داده است كه بروز PCa در قوميت ها و/يا نژادهاي مختلف متفاوت است. بروز PCa در ايران و آسيا نسبت به اروپا و ايالات متحده كمتر است سرطان ريه به عنوان اولين سرطان شايع براي مردان (31.5 در هر 100000 نفر) و سومين سرطان شايع براي زنان (14.6 در هر 100000 نفر) قرار دارد. سرطان ريه عامل 18 درصد از كل مرگ و ميرهاي ناشي از سرطان در سراسر جهان است ما در عصر الگوريتم‌ها زندگي مي‌كنيم كه در آن سيستم‌هاي يادگيري ماشين (ML)/يادگيري عميق (DL) صنايع متعددي مانند توليد، حمل‌ونقل و حاكميت را متحول كرده‌اند.تلاش براي ايجاد ماشين‌هاي هوشمندي كه مي‌توانند با انسان‌ها در استدلال و تصميم‌گيري هوشمند مطابقت داشته باشند و به طور بالقوه رقيب آن‌ها باشندالگوريتم‌هاي يادگيري ماشين/ يادگيري عميق اكنون شروع به تأثيرگذاري بر مراقبت‌هاي بهداشتي نيز كرده‌اند. تكنيك‌هاي يادگيري ماشين/ يادگيري عميق اخيراً نتايج برجسته‌اي را در كارهاي چندمنظوره مانند تشخيص اندام‌هاي بدن از تصاوير پزشكي ، طبقه‌بندي بيماري‌ها ، تشخيص سرطان ، بازسازي تصوير پزشكي ، نشان داده‌اند. هدف اين است كه ماشين‌ها را قادر به انجام عملكردهاي شناختي با يادگيري از تجربيات گذشته و سپس حل مسائل پيچيده تحت شرايطي كنيم كه با مشاهدات گذشته متفاوت است ML اين پتانسيل را دارد كه مراقبت از سرطان را به طرز چشمگيري تغيير دهد و آن را يك قدم به وعده سرطان شناسي دقيق نزديكتر كند به لطف تشخيص زودهنگام مي توان ميزان مرگ و مير كمتري از سرطان ها را بايگاني كرد.علاوه بر اين، مدل هاي يادگيري ماشيني مي توانند به تشخيص و پيش بيني دقيق ، سريع سرطان كمك كنند. بنابراين تشخيص زودهنگام اين بيماري تاثير زيادي در نتيجه درمان مناسب خواهد داشت. در اين مطالعه بيشتر از مدل هاي شبكه عصبي كانولوشن كه از تصاوير كه به عنوان ورودي استفاده مي كند و بيشتر در زمينه هاي پردازش تصوير كاربرد دارند. از شبكه هاي عصبي عميق كه عملكردي مشابه مغز انسان دارد و شبكه هاي شبكه هاي عصبي بازگشتي براي داده هايي كه در طي زمان تكامل مي يابند،، براي پيش بيني سرطان و دوز ، از ديگر تكنيك هاي يادگيري ماشين براي طبقه بندي نوع سرطان(بدخيم و خوش خيم) و ويژگي ها مرتبط به سرطان مانند رگرسيون ، ماشين هاي بردار پشتيباني ، درخت تصادفي و ... استفاده شده است. در اين مطالعه براي انتخاب ويژگي ها بيشتر از تكنيك همبستگي بين ويژگي ها و براي كاهش ابعاد آن از روش تحليل مولفه اصلي استفاده شد و معيار هاي ارزيابي دقت ، حساسيت ، وضوح ، نرخ خطا و آزمون X^2 بهره گرفته شده است.

10/27/2022 12:00:00 AM

79278

1402/04/24

Study of prediction models of lung and prostate cancer based on machine learning techniques

سرطان ريه , سرطان پروستات , يادگيري ماشين , تشخيص سرطان , مدل‌هاي پيش‌بيني , هوش‌مصنوعي

Lung Cancer , Prostate Cancer , Machine Learning , Cancer Diagnosis , Prediction Models , Artificial Intelligence