پیش بینی انواع سرطان لوسمی مبتنی بر ترکیب مدل ها با استفاده از الگوریتم ژنتیک

لوسمی یکی از شایع ترین علل مرگ و میر در سراسر جهان است. پیش بینی دقیق نوع لوسمی برای استفاده از داروهای خاص مهم است. از این روپژوهش در این زمینه ادامه دارد. تحلیل داده های ریز آرایه های DNA یک روش کارآمد برای پیش بینی نوع لوسمی است، که بدون استفاده از الگوریتم های داده کاوی، کاری بسیار دشوار می باشد. هدف این مقاله طبقه بندی انواع لوسمی لنفوبلاستی حاد و لوسمی میلوئید حاد با استفاده از ترکیب ۱۰۰ طبقه بنداست. در این مطالعه، توصیفی از داده ها میان ۷۱۲۹ ژن مربوط به ۷۲ بیمار مبتلا به لوسمی به کار گرفته شده است. یک الگوریتم از بین الگوریتم های ماشینبردار پشتیبان، الگوریتم بیزین و الگوریتم درخت تصمیم بر اساس رای گیری اکثریت ، به عنوان طبقه بند پایه انتخاب می گردد. سپس با الگوریتم طبقه بندپایه ۱۰۰ مدل ساخته می شود که با استفاده از الگوریتم ژنتیک با هم ترکیب می گردند. نتایج حاصل از مقایسه ی روش پیشنهادی با سایر روشهای ترکیب،عملکرد خوب الگوریتم ژنتیک را نشان میدهد.

کلیدواژه ها:

سرطان لوسمی ، داده کاوی ، الگوریتم ژنتیک ، طبقه بندی ، یادگیری تجمعی