بهينه­سازي انتخاب مشخصه با به­كارگيري بهره اطلاعاتي و الگوريتم ژنتيك جهت بهبود پيش‌بيني سرطان مغز

كارشناسي ارشد

مهندسي كامپيوتر نرم افزار

تهران شمال

1402

تاريخ ثبت در تهران شمال دوشنبه 1402/5/9

صحافي شده ندارد

فاطمه نوراني

دانشگاه پيام نور مركز تهران شمال

سرطان يكي از عمده دلايل مرگ و مير است كه در بسياري از موارد عوامل ژنتيكي دارد. با پيشرفت فناوري توالي‌يابي ژنومي، حجم عظيمي از داده‌هاي ژنتيك در اختيار دانشمندان قرار گرفته است. از ديگر سو، پيشرفت‌هاي متعدد در علم داده‌كاوي، پيش‌بيني وقايع را بر اساس داده‌ها ممكن كرده است. تركيب اين دو دانش مي‌تواند به پيش‌بيني و درمان زودهنگام سرطان و در نتيجه كاهش نرخ مرگ و مير كمك شايسته‌اي كند. تعداد زياد ژن‌ها در مقابل تعداد كم نمونه‌ها در اين داده‌ها، كار با آن‌ها را براي علم داده‌كاوي مشكل مي¬كند. به همين روي، روش‌هاي مختلفي براي انتخاب ژن‌هاي حاوي اطلاعات و حذف ژن‌هاي تكراري تا غيرمرتبط توسعه داده شده‌اند. در اين پژوهش تأثير روش تركيبي بهره اطلاعاتي و الگوريتم ژتيك بر روي پيش‌بيني سرطان مغز بر اساس داده‌هاي بيان ژن بررسي شده است. در اين روش تركيبي ابتدا تمامي ژن‌ها كه در علم داده، مشخصه ناميده مي‌شوند، با استفاده از روش بهره اطلاعاتي امتيازدهي مي‌شوند. سپس مشخصه‌هاي با امتياز بالاتر به الگوريتم ژنتيك كه يك الگوريتم جستجوي تصادفي است داده مي‌شوند تا مجموعه كوچكتري از مشخصه¬ها كه باعث عملكرد بهتر كلاسه‌بندي شده‌اند، مشخص شود.‌ مجموعه‌داده با مشخصه‌هاي منتخب به دو الگوريتم كلاسه‌بندي ماشين بردار پشتيبان و شبكه عصبي مصنوعي داراي سه لايه پنهان داده شده‌اند و عملكرد آن‌ها بررسي و با يكديگر مقايسه شده است. در مجموع، ماشين بردار پشتيبان در چهار معيار ارزيابي نتيجه بهتر و زمان اجراي كمتري داشته است. در مقايسه روش‌هاي كاهش ابعاد مشخص شده است كه الگوريتم ژنتيك تاثير قابل توجهي بر عملكرد كلاسه‌بندي ندارد، اما مرحله اول روش تركيبي، يعني بهره اطلاعاتي عملكرد را بهبود داده است و دقت ماشين بردار پشتيان را به طور ميانگين از 96.84% به 97.54% رسانده است.

72798