نام پژوهشگر: فهیمه میراب زاده
فهیمه میراب زاده محمد تشنه لب
تحقیقات وسیعی جهت تشخیص بیماری سرطان با بکارگیری داده های بیان ژنی از طریق کاربرد روشهای مهندسی از جمله هوش مصنوعی در دو دهه اخیر انجام شده است. یکی از مشکلات مهم در بکارگیری دادههای بیولوژیکی وجود نویز بر روی این دادهها است. این امر بر اثر وجود خطا در هنگام جمع آوری این دادهها ممکن است رخ دهد. میتوان با کمک روشهای هوش مصنوعی این بیماری را در مراحل اولیه که هنوز بصورت غیر قابل کنترل بروز نکرده است تشخیص داده و اقدامات لازم را جهت جلوگیری از رشد آن انجام داد. تشخیص بیماری سرطان در مراحل اولیه به کاهش مرگ و میر و کاهش هزینه های ناشی از درمان کمک شایانی خواهد کرد. در این نوشتار ابندا به کمک روش بردارهای ویژه و روش ترکیبی خوشهبندی و استخراج بردارهای مستقل به نویززدایی این دادهها پرداخته شده است، سپس ویژگی های برتر به روش pca انتخاب گردیده اند. انواع مدل های هوشمند و کلاسیک از جمله شبکه های عصبی مختلف، بردار ماشین پشتیبان، knn و mmd بر روی داده ها با روش اعتبارسنجی ضربدری 10تایی تست و نتایج آنها با یکدیگر مقایسه و تحلیل شده است.