علی بحری - گروه سیستم های الکترونیک دیجیتال، دانشکده مهندسی برق، دانشگاه علم و صنعت، تهران، ایران
سینا غفرانی ماجلان - گروه سیستم های الکترونیک دیجیتال، دانشکده مهندسی برق، دانشگاه علم و صنعت، تهران، ایران

یادگیری عمیق در حال حاضر برای کمک به تشخیص بیماری ها با تحلیل توالی ژن پروتئنی های بیمار مورد استفاده قرار گرفته است. یادگیری عمیق شاخه ای از بحث یادگیری ماشینی و مجموعه ای از الگوریتم هایی است که تلاش می کنند مفاهیم انتزاعی سطح بالا را با استفاده یادگیری در سطوح و لایه های مختلف مدل کنند. هدف از انجام این پژوهش تشخیص و رده بندی سرطان با استفاده از مدل های معماری شبکه عصبی کاتولوشن بوده است. در این پژوهش نشان داده شد که چگونه یادگیری عمیق می تواند برای کشف سرطان و رده بندی آن، کمک کند. با استفاده از شبکه عصبی کاتولوشن، که رده بندی استخراج ویژگی به صورت سلسله مراتبی انجام می دهد، به وسیله داده های توالی پروتئینی، نوع سرطان را پیش بینی و رده بندی شده است. در روش پیشنهادی، داده های توالی پروتئینی بیماران سرطان خون را با انسان های نرمال بررسی کردیم. نتایج بدست آمده از تجزیه و تحلیل بر روی داده های توالی پروتئینی، با استفاده از شبکه عصبی کاتولوشن، نشان می دهد که در تشخیص و رده بندی سرطان، درصد دقت آن بسیار بالا می باشد و می توان از این روش برای تشخیص و رده بندی سرطان استفاده کرد.

تشخیص، رده بندی، سرطان، شبکه عصبی کاتولوشن، یادگیری عمیق