نمایش مختصر رکورد

dc.contributor.authorطباطبایی, سیدابوالفضلfa_IR
dc.contributor.authorدرهمی, ولیfa_IR
dc.contributor.authorشیخ‌پور, راضیهfa_IR
dc.contributor.authorپژوهان, محمدرضاfa_IR
dc.date.accessioned1399-07-08T20:18:33Zfa_IR
dc.date.accessioned2020-09-29T20:18:33Z
dc.date.available1399-07-08T20:18:33Zfa_IR
dc.date.available2020-09-29T20:18:33Z
dc.date.issued2019-12-22en_US
dc.date.issued1398-10-01fa_IR
dc.date.submitted2019-06-14en_US
dc.date.submitted1398-03-24fa_IR
dc.identifier.citationطباطبایی, سیدابوالفضل, درهمی, ولی, شیخ‌پور, راضیه, پژوهان, محمدرضا. (1398). انتخاب ویژگی مبتنی بر تئوری اطلاعات برای انتخاب ژن‌های موثر در تشخیص نوع سرطان با استفاده از داده‌های ریزآرایه. فصل نامه علمی پژوهشی مهندسی پزشکی زیستی, 13(4), 337-348. doi: 10.22041/ijbme.2019.109466.1490fa_IR
dc.identifier.issn5869-2008
dc.identifier.issn9685-8006
dc.identifier.urihttps://dx.doi.org/10.22041/ijbme.2019.109466.1490
dc.identifier.urihttp://www.ijbme.org/article_37090.html
dc.identifier.urihttps://iranjournals.nlai.ir/handle/123456789/85544
dc.description.abstractانتخاب ویژگی یکی از فرایندهای پیش‌پردازش داده‌ها در مباحث مربوط به یادگیری ماشین و داده‌کاوی به شمار می‌رود که در برخی زمینه‌ها مانند کار با داده‌های ریزآرایه در بیوانفورماتیک که با مشکل ابعاد بالای داده‌ها در مقابل تعداد کم نمونه‌ها مواجه است، از اهمیت ویژه‌ای برخوردار می‌باشد. انتخاب ویژگی‌های (ژن‌های) موثر در تشخیص بیماری از داده‌های ریزآرایه نقش مهمی در تشخیص زودهنگام بیماری و راه‌های مواجهه با آن ایفا می‌کند. در روش‌های انتخاب ویژگی مبتنی بر تئوری اطلاعات که طیف گسترده‌ای از روش‌های انتخاب ویژگی را شامل می‌شوند، از مفهوم بی‌نظمی برای تعریف معیارهای مرتبط بودن، افزونگی و مکمل بودن ویژگی‌ها استفاده می‌شود. در این مقاله به جای بی‌نظمی از مفهوم پیوستگی خالص برای پیشنهاد یک معیار جدید مرتبط بودن استفاده شده است. در این معیار پیشنهادی، برای کنترل و کاهش افزونگی، ارتباط یک ویژگی با تک‌تک کلاس‌ها به طور جداگانه بررسی شده است در حالی که در اکثر روش‌های فیلتر، ارزش یک ویژگی بر اساس ارتباط آن با کل کلاس‌ها سنجیده می‌شود. این راه‌کار باعث شده که ویژگی‌های موثر در هر کلاس به تفکیک شناسایی شوند، در حالی که امکان شناسایی ویژگی‌های مشترک نیز وجود دارد. یکی دیگر از مشکل‌های موجود در برخی از روش‌ها، مساله‌ی گسسته‌سازی داده‌ها  است. در روش پیشنهادی این مقاله، با استفاده از یک تبدیل مبتنی بر یک‌ریختی، ضمن استفاده از مزایای گسسته‌سازی، از درگیر شدن با پیچیدگی‌های آن نیز اجتناب شده است. برای مقایسه‌ی روش پیشنهادی با تعدادی از روش‌های مرتبط، از هفت مجموعه‌ی داده‌ی ریزآرایه مربوط به انواع سرطان به همراه سه دسته‌بند پرکاربرد بیزین ساده، k-نزدیک‌ترین همسایه و ماشین بردار پشتیبان استفاده شده است. نتایج تجربی نشان دهنده‌ی کارایی روش ارائه شده بر اساس دو پارامتر دقت دسته‌بندی و تعداد ژن‌های انتخابی می‌باشد.fa_IR
dc.format.extent1052
dc.format.mimetypeapplication/pdf
dc.languageفارسی
dc.language.isofa_IR
dc.publisherانجمن مهندسی پزشکی ایرانfa_IR
dc.publisherIranian Society for Biomedical Engineeringen_US
dc.relation.ispartofفصل نامه علمی پژوهشی مهندسی پزشکی زیستیfa_IR
dc.relation.ispartofIranian Journal of Biomedical Engineeringen_US
dc.relation.isversionofhttps://dx.doi.org/10.22041/ijbme.2019.109466.1490
dc.subjectانتخاب ویژگیfa_IR
dc.subjectژن‌های موثرfa_IR
dc.subjectتشخیص سرطانfa_IR
dc.subjectداده‌های ریزآرایهfa_IR
dc.subjectیادگیری ماشینfa_IR
dc.subjectدسته‌بندیfa_IR
dc.titleانتخاب ویژگی مبتنی بر تئوری اطلاعات برای انتخاب ژن‌های موثر در تشخیص نوع سرطان با استفاده از داده‌های ریزآرایهfa_IR
dc.typeTexten_US
dc.typeمقاله کامل پژوهشیfa_IR
dc.contributor.departmentدانشجوی دکتری مهندسی کامپیوتر، گروه مهندسی کامپیوتر، پردیس فنی و مهندسی، دانشگاه یزد، یزد، ایرانfa_IR
dc.contributor.departmentدانشیار، گروه مهندسی کامپیوتر، پردیس فنی و مهندسی، دانشگاه یزد، یزد، ایرانfa_IR
dc.contributor.departmentاستادیار، گروه مهندسی کامپیوتر، دانشکده‌ی فنی و مهندسی، دانشگاه اردکان، اردکان، ایرانfa_IR
dc.contributor.departmentاستادیار، گروه مهندسی کامپیوتر، پردیس فنی و مهندسی، دانشگاه یزد، یزد، ایرانfa_IR
dc.citation.volume13
dc.citation.issue4
dc.citation.spage337
dc.citation.epage348


فایل‌های این مورد

Thumbnail

این مورد در مجموعه‌های زیر وجود دارد:

نمایش مختصر رکورد