کنترل جمعیت سلول‌های سرطانی در مدل غیرخطی سرطان ملانوما با لحاظ عدم قطعیت با استفاده از الگوریتم یادگیری Q تحت سیاست استدلال مبتنی بر مورد(CBR)
- سال انتشار: 1399
- محل انتشار: فصلنامه مهندسی برق و الکترونیک ایران، دوره: 17، شماره: 3
- کد COI اختصاصی: JR_JIAE-17-3_004
- زبان مقاله: فارسی
- تعداد مشاهده: 382
نویسندگان
Shahrood University of Technology, Shahrood, Iran,
Sadjad University of Technology
Shahrood University of Technology, Shahrood, Iran,
۳Faculty of Medicine, Mashhad University of Medical Sciences
چکیده
سرطان پوست یکی از خطرناک‌ترین سرطان‌هایی است که همه ساله افراد زیادی به آن مبتلا می‌شوند. به همین دلیل تشخیص و درمان سریع این سرطان بسیار برای پزشکان حایز اهمیت می‌باشد، در چند دهه اخیر برای بهبود تشخیص و درمان این بیماری استفاده از روش‌های هوشمند بسیار مورد توجه قرار گرفته است. هدف اصلی در این مقاله، تعیین مقدار بهینه دارو برای از بین‌بردن سلول‌های سرطانی می‌باشد به گونه‌ای که از تاثیر سوء دارو بر روی سلول‌های سالم جلوگیری شود. از الگوریتم یادگیری Q بدین منظور استفاده شده است. برای انتخاب اعمال، از سیاست استدلال مبتنی بر مورد با نام اختصاری CBRکه یک نوع سیاست اکتشافی شتاب داده شده می‌باشد، استفاده گشته است که باعث افزایش سرعت یادگیری و کاهش زمان، برای رسیدن به سیاست بهینه می‌شود. مورد دیگری که در این مقاله لحاظ شده است، تاثیر نیمه عمر دارو برای بدست‌آوردن اثر دارو در هر لحظه در بدن بیمار می‌باشد. برای اینکه عملکرد روش یادگیری تقویتی در کنترل سلول‌های سرطانی و تعیین میزان بهینه دوز دارو بهتر نشان داده شود، این روش با یکی از روش‌های کنترل بهینه به نام روش همیلتونین و روش تزریق دوز داروی ثابت مقایسه شده است. در نهایت نشان داده شده است مجموع دوز داروی تزریقی به بیمار با استفاده از روش یادگیری تقویتی در مقایسه با حالتی که از روش کنترل بهینه و دوز داروی ثابت برای تمام زمان‌ها استفاده شده است، بسیار کاهش پیدا کرده است و در ضمن جمعیت سلول‌های سرطانی نیز کنترل شده است. با اعمال نویز و عدم قطعیت در پارامترهای سیستم و شرایط اولیه باز هم روش انتخابی قادر به کنترل سلول‌های سرطانی می‌باشد.کلیدواژه ها
melanoma cancer, Q-learning algorithm, case based reasoning, side effect of the drug, half-life of drug, optimal control., سرطان ملانوما, الگوریتم یادگیری Q, سیاست استدلال مبتی بر مورد, اثرات سوء دارو, نیمه عمر دارو, کنترل بهینهاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.