|
تشخیص زودهنگام سندرم داون با استفاده از الگوریتم‌های یادگیری ماشین
|
عبدالرضا سیاره*    ، سعیده عبدالله‌زاده |
|
|
|
چکیده: (444 مشاهده) |
| با پیشرفت فناوری‌های توالی‌یابی، آزمایش غیرتهاجمی NIPT توسعه یافته است و در غربالگری تریزومی 21 از طریق تشخیص DNA جنین موجود در خون مادر، استفاده می‌شود. برای تحلیل داده‌های NIPT معمولاً از آزمون Z استفاده می‌شود. در روش‌های مورد استفاده برای تشخیص سندرم داون احتمال تشخیص اشتباه وجود دارد. بنابراین ارائۀ روشی که بتواند در کنار روش‌های تشخیصی به‌کار برده شود و کارایی این روش‌ها را بهبود بخشد؛ ضروری است. هدف اصلی این مقاله طراحی مدلی بر اساس الگوریتم‌های یادگیری ماشین برای تشخیص زودهنگام سندرم داون است؛ به‌طوری که بتوان از این روش‌ها برای افزایش دقت تشخیص استفاده کرد. در این مقاله به بهبود روش‌های تشخیصی به کمک الگوریتم‌های یادگیری ماشین مانند: ماشین بردار پشتیبان، بیز ساده، درخت تصمیم، جنگل تصادفی و نزدیکترین همسایه برای بررسی یک مجموعه دادۀ مربوط به سندرم داون پرداخته شده است. عملکرد هر یک از مدل‌ها در مجموعه دادۀ سندرم داون بررسی و در نهایت مناسب‌ترین مدل برای این هدف معرفی شده است. نتایج نشان می‌دهند که این الگوریتم‌ها دقت بسیار مناسبی در تشخیص این بیماری دارند. |
|
| واژه‌های کلیدی: یادگیری ماشین، سندرم داون، الگوریتم ماشین بردار پشتیبان، الگوریتم درخت تصمیم |
|
|
متن کامل [PDF 874 kb]
(304 دریافت)
|
نوع مطالعه: كاربردي و توسعه ای |
موضوع مقاله:
آمار حیاتی
دریافت: 1402/12/24 | پذیرش: 1403/3/10
|
|
|
|
|
|
|
| ارسال پیام به نویسنده مسئول |
|
|
|
| ارسال نظر درباره این مقاله |
|
|
|
