طبقه بندی سلول های سرطانی بر اساس شبکه عصبی پایه ای شعاعی با نظارت الگوریتم های تکاملی

لزوم استفاده از الگوریتم های یادگیری در پیش بینی و تشخیص بیماری به نحوی که صحت و اعتبار عملکرد آنقابل تضمین باشد، مطالعات و تحقیقات جدید را به سوی دستیابی به راهکارهای بهینه در هر دو زمینه پزشکی و دانشکامپیوتر رهنمون کرده است. در این راستا بیوانفورماتیک علمی است که توانسته این همکاری را بین محققان این دورشته به نحو احسن فراهم آورد. در این مقاله، ابتدا با استفاده از الگوریتم انتخاب ژن با بیشترین بهره اطلاعاتی تعداد20 ژن از پایگاه داده سرطان پروستات انتخاب نموده و سپس با به کارگیری الگوریتم ژنتیک 10 ژن از 20 ژن انتخابشده و با شبکه عصبی پایهای شعاعی با نظارت الگوریتم های تکاملی سلولهای سرطانی و سالم را دسته بندی کردیم.نتایج نشان میدهند مدل آموزش داده شده توسط الگوریتم های تکاملی دارای دقت 20 / 99 % در الگوریتم بهینه سازیازدحام ذرات و الگوریتم ژنتیک است.

کلیدواژه ها:

انتخاب ژن با بیشترین بهره اطلاعاتی ، الگوریتم ژنتیک ، الگوریتم بهینه سازی ازدحام ذرات ، شبکه عصبی پایه ای شعاعی