تشخیص سرطان کولورکتال با استفاده از میکروبیوم های بدست آمده از نمونه های مدفوع
محل انتشار: اولین کنفرانس ملی هوش مصنوعی و مهندسی نرم افزار
سال انتشار: 1402
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 203
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AISOFT01_020
تاریخ نمایه سازی: 28 بهمن 1402
چکیده مقاله:
سرطان روده بزرگ سومین سرطان شایع در جهان است که با نام های سرطان کولون یا رکتوم نیز شناخته می شود. دو روش رایج تشخیص این بیماری آزمایش خون مخفی در مدفوع وکونولوسکوپی می باشد. آزمایش خون مخفی در مدفوع، با نرخ های مثبت کاذب بالا و نرخ های منفی کاذب محدود می شود و از طرف دیگر کولونوسکوپی هزینه بر بوده و ازآن جا که جزو روش های تهاجمی محسوب می شود برای بیمار ناراحت کننده است و ممکن است باعث درد و خونریزی شود. مطالعات اخیر ارتباط قوی را بین یک نوع میکروارگانیسم به نام میکروبیوم روده و ایجاد سرطان کولورکتال نشان داده اند. استفاده از میکروبیوم های به دست آمده از نمونه های مدفوع می تواند جایگزین غیرتهاجمی بهتری برای تشخیص زودهنگام این بیماری باشد. یادگیری ماشین با تجزیه و تحلیل داده های توالی نوکلئوتید (مانند داده های میکروبیوم ) به ابزاری قدرتمند تبدیل شده که می تواند به تشخیص و پیش بینی زودهنگام سرطان کولورکتال منجر شود. در این مقاله برای تشخیص زود هنگام سرطان کولورکتال، از روش های مختلف یادگیری ماشین روی داده های میکروبیوم دیتاست Baxter استفاده شده که شامل داده های توالی حاصل از ژن ۱۶s rRNA به صورت جداول تاکسنومی باکتری ها است. روش پیشنهادی این پژوهش از مراحل مختلفی از جمله کاهش داده ها، پر کردن داده های نامعلوم، متوازن سازی و نرمال سازی داده ها تشکیل شده است. بعد از این مراحل با بررسی عملکرد الگوریتم های مختلف و انتخاب الگوریتم جنگل تصادفی، مقایسه نتایج نشان می دهند که با داشتن یک پیش پردازش مناسب، الگوریتم های کلاسیک یادگیری ماشین به خوبی روش های پیچیده یادگیری عمیق عمل میکنند
کلیدواژه ها:
نویسندگان
هدیه بحری فر
بخش مهندسی و علوم کامپیوتر و فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز،
سیدمحمدرضا موسوی
بخش مهندسی و علوم کامپیوتر و فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز،
محمدهادی صدرالدینی
بخش مهندسی و علوم کامپیوتر و فناوری اطلاعات، دانشکده مهندسی برق و کامپیوتر، دانشگاه شیراز،