شبیه سازی یک مدل ترکیبی به کمک الگوریتم ژنتیک و شبکه عصبی مصنوعی برای پیش بینی التهاب ریه در رادیوتراپی پستان
نویسندگان
چکیده مقاله:
سابقه و هدف: سمیت ریه مرتبط با رادیوتراپی قفسه سینه، تقریبا در 15-5% بیمارانی که رادیوتراپی قفسه سینه انجام می دهند اتفاق می افتد، برای حداقل رساندن آن لازم است تا ارتباط بین خطر التهاب ریه القا تابشی و پارامتر های درمان همانند فاکتور دزیمتری، فاکتورهای بیولوژیکی، و آزمایشهای عملکردی ریه درک شود. از این رو، شبکه عصبی مصنوعی فید-فوروارد همراه با الگوریتم ژنتیک برای پیش بینی وقوع التهاب ریه با درجه بالاتر 1 بررسی شد.مواد و روشها: در این مطالعه آماری و شبیه سازی، یک شبکه عصبی غیر خطی همراه با الگوریتم ژنتیک برای پیش بینی التهاب ریه ناشی از درمان رادیوتراپی خارجی پستان توسعه داده شد. شبکه عصبی شامل یک لایه ورودی، یک لایه میانی با هفت گره و لایه خروجی با یک گره می باشد. اطلاعات ورودی شبکه عصبی شامل 65 متغیر وابسته به دز بدست آمده از طراحی درمان و 8 متغیر مستقل از دز همانند شیمی درمانی، سن بیمار، وجود و یا عدم وجود جراحی، مکان تومور در سمت راست و یا چپ، تعداد میدانهای تابش، درجه تومور، و فاکتورهای هورمونی می باشد. این اطلاعات از 66 بیماری که به علت سرطان پستان با رادیوتراپی خارجی درمان می شدند، بدست آمده است. 18 بیمار التهاب ریه بالاتر از 1 داشتند. برای استخراج موثرترین ترکیب ورودی ها از روش الگوریتم ژنتیک استفاده شد. اهمیت هر ترکیب ورودی با الگوریتم ژنتیک با گره های میانی مختلف ارزیابی شد. برای ارزیابی کارآیی شبکه عصبی کامل و ترکیبی با الگوریتم ژنتیک از میزان دقت، حساسیت و ویژگی تشخیصی و منحنی های ROC استفاده شده است.یافته ها: برای شبکه بهینه شده ترکیبی با قالب های ورودی که از متغیر های وابسته و مستقل از دز ساخته شده است، ناحیه زیر منحنی مشخصات عملکردی دریافت کننده (ROC) برای آزمایش متعامد برای مدل های کامل و ترکیبی به ترتیب 84% و 91% می باشد. حساسیت، ویژگی و دقت 66%، 90% و 79% برای مدل کامل و 70%، 96% و 88% برای مدل ترکیبی می باشند.نتیجه گیری: شبکه عصبی مصنوعی نشان داده شده است که برای آموزش رابطه پیچیده بین پارامتر های درمان و خروجی که اگر بیشتر توسعه داده شود، می تواند بک وسیله سودمندی در پیش بینی خروجی های بیولوژیکی بکار گرفته شود. الگوریتم ژنتیک روش سریع و قابل اطمینانی برای انتخاب فاکتورهای مهم در تحلیل مطالعات کلینیکی بزرگ می باشد. همانطور که از نتایج مشخص می باشد، مدل ترکیبی شبکه عصبی همراه با الگوریتم ژنتیک روش کاراتری نسبت به مدل کامل شبکه عصبی در پیش بینی التهاب ریه می باشد.
منابع مشابه
پیش بینی مصرف انرژی بخش کشاورزی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک و شبکه های عصبی مصنوعی
هدف از این مقاله ارزیابی الگوی ترکیبی شبکههای عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی تقاضای انرژی بخش کشاورزی ایران میباشد. برای این منظور، از دادههای سالانه مصرف انرژی بخش کشاورزی کشور به عنوان متغیر خروجی مدلهای پیشبینی و از دادههای سالانه جمعیت کل کشور و کل تولیدات بخش کشاورزی کشور به عنوان متغیرهای ورودی مدلهای پیشبینی استفاده شد. در پایان به منظور مقایسه نتایج پیشبینی مدل ترکیبی...
متن کاملمدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک
دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...
متن کاملشناسایی دستکاری قیمت سهام از طریق مدل ترکیبی الگوریتم ژنتیک – شبکه عصبی مصنوعی و مدل SQDF
هدف این پژوهش، شناسایی دستکاری قیمت سهام در بورس اوراق بهادار تهران میباشد که از طریق مدل ترکیبی الگوریتم ژنتیک-شبکه عصبی مصنوعی (ANN-GA)[1] و مدل تابع تفکیکی درجه دوی تعدیل شده (SQDF)[2] انجام گرفته است. در این پژوهش از متغیرهای قیمت، حجم معاملات و سهام شناور آزاد برای تطبیق نتایج مدل و دادههای واقعی از دستکاری قیمت استفاده شده است. در مدل ترکیبی ابتدا دادههای مربوط به 316 شرکت از نخستین رو...
متن کاملیک مدل ریاضی برای پیش بینی خواص تخته خرده چوب با کاربرد gmdh (نوعی شبکه عصبی مصنوعی و الگوریتم ژنتیک)
چکیده در این مطالعه از شبکه عصبی gmdh براساس الگوریتم ژنتیک برای پیش بینی خواص فیزیکی و مکانیکی تخته خرده چوب در مقیاس آزمایشگاهی استفاده شد. به منظور تعیین خواص فیزیکی و مکانیکی به وسیله شبکه عصبی gmdh، از مشخصات دمای پرس در 4 سطح 170،160،150 و 180 درجه سانتی گراد، زمان بسته شدن پرس در 3 سطح 20،10 و 30 ثانیه و رطوبت کیک در 4 سطح 12،10،8 و 14 به عنوان داده های ورودی و از خواص فیزیکی و مکانیکی ...
متن کاملپیش بینی مصرف انرژی بخش کشاورزی ایران با استفاده از مدل ترکیبی الگوریتم ژنتیک و شبکه های عصبی مصنوعی
هدف از این مقاله ارزیابی الگوی ترکیبی شبکههای عصبی مصنوعی و الگوریتم ژنتیک در پیش بینی تقاضای انرژی بخش کشاورزی ایران میباشد. برای این منظور، از دادههای سالانه مصرف انرژی بخش کشاورزی کشور به عنوان متغیر خروجی مدلهای پیشبینی و از دادههای سالانه جمعیت کل کشور و کل تولیدات بخش کشاورزی کشور به عنوان متغیرهای ورودی مدلهای پیشبینی استفاده شد. در پایان به منظور مقایسه نتایج پیشبینی مدل ترکیبی...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 16 شماره 1
صفحات 77- 84
تاریخ انتشار 2014-01
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
کلمات کلیدی برای این مقاله ارائه نشده است
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023