ارایه روشی به‏منظور طبقه‏بندی انواع لوسمی براساس تئوری بازی‏های مبتنی بر همکاری و مقدار شیپلی

atefeh torkaman، m.sc., department of industrial engineering (information technology), faculty of engineering, tarbiat modares university, iran nasrollah moghadam charkari، assistant professor, department of computer science, faculty of electrical and computer engineering, tarbiat modares university, iran mahnaz aghaei pour، associated professor, research center of iranaian blood transfusion organization, iran kambiz badii، associated professor, knowledge engineering and intelligent system group, it research faculty, iran telecommunication research center, iran

Abstract(in Persian; no English abstract is available)

هدف: طبقه‏بندی انواع مختلف لوسمی حاد براساس تئوری بازی‏های مبتنی بر همکاری و مقدار شیپلی مواد و روش‏ها: در این تحقیق از نمونه داده‏های بیمار، جمع‏آوری شده از آزمایش‏های فلوسایتومتری در سازمان انتقال خون ایران، استفاده شد. 304 نمونه بیماری مختلف در 8 طبقه لوسمی حاد بررسی شد. در ابتدا این نتایج به‏صورت عددی بودند. در مرحله بعد براساس حد آستانه تعریف شده، داده‏ها به شکل بولین تبدیل شد. سپس براساس تئوری بازی مبتنی بر همکاری و مقدار شیپلی، وزن‏های خاصی به این داده‏ها تخصیص داده شد. بدین ترتیب، نمونه‏های مختلف بیماری از یکدیگر جدا و امکان طبقه‏بندی انواع لوسمی حاد حاصل شد (مرحله یادگیری). در مرحله تشخیص، با استفاده از معیارهای شباهت، شباهت نمونه جدید مورد مطالعه با نمونه‏های آموزشی ارزیابی شد و نوع لوسمی نمونه مورد آزمایش، آشکار شد. نتایج: دقت طبقه‏بندی لوسمی براساس تئوری بازی مبتنی بر همکاری، 3/96 درصد بود که نشان می‏دهد روش پیشنهادی از دقت قابل توجهی در تفکیک درست طبقه‏ها برخوردار است. به‏منظور سنجش کارایی روش پیشنهادی، نتیجه با شبکه عصبی که از جمله الگوریتم‏های یادگیری کاراست، مقایسه شد. نتایج حاصل از دقت طبقه‏بندی با شبکه عصبی پایه شعاعی، 80/91 درصد بود. نتیجه‏گیری: با توجه به نتایج حاصل، روش پیشنهادی در طبقه‏بندی لوسمی حاد، امیدوارکننده است. از این رو می‏تواند به هماتولوژیست‏ها و پزشکان در تشخیص دقیق‏تر انواع لوسمی کمک کند تا تصمیمات مناسب‏تری در مورد نحوه تشخیص و درمان بگیرند.