This page uses JavaScript and requires a JavaScript enabled browser.Your browser is not JavaScript enabled.
This page uses JavaScript and requires a JavaScript enabled browser.Your browser is not JavaScript enabled.
خط مشی دسترسی
درباره ما
ثبت نام
راهنما
فارسی
ورود
صفحه اصلی
X
جستجو
X
جستجوی مدارک
X
تمام متن
X
منابع دیجیتالی
جستجوی مدارک
تمام متن
منابع دیجیتالی
گالری
کتابخانه شخصی
پرسش و پاسخ
تازه ها
خطا
رکورد قبلی
رکورد بعدی
نام مرکز
:
دانشگاه علوم پزشکی اصفهان
نوع مدرک
:
پایان نامه فارسی
زبان مدرک
:
فارسی
شماره رکورد
:
102346
شماره مدرک
:
ت۱۵۲۲۱
شماره راهنما
:
WP،۸۷۰،ص۴۴۱ب،۱۳۹۳
سرشناسه
:
صحتی، محمدرضا
عنوان
:
بررسی ارائه یک روش استخراج ویژگی مناسب به منظور پیشگویی عود سرطان سینه با استفاده از دادههای میکروآرایه [پایاننامه]
نویسنده
:
/محمدرضا صحتی
استاد راهنما
:
؛ علیرضا مهری دهنوی، حسین ربانی
استاد مشاور
:
؛ معراج پورحسین
محل تحصیل
:
دانشکده فناوری های نوین علوم پزشکی
سال تحصیل
:
، ۱۳۹۳
مقطع تحصیلی
:
رشته مهندسی پزشکی ( گرایش بیو الکتریک) ، دکترای تخصصی
صفحه شمار
:
ر، ۱۵۳ ص.: مصور، جدول
يادداشت
:
این یک پایان نامه تحقیقاتی با شماره ۳۹۲۳۷۷ است
يادداشت
:
چاپی
چکيده
:
امروزه میکروآرایهها به عنوان یکی از پرکاربردترین ابزارهای مورد استفاده در حل مسائل زیستی شناخته شدهاند. با استفاده از این ابزار قدرتمند امکان تحلیل و شناخت بهتر رویدادهای زیستی پیچیدهای مانند سرطان فراهم شده است. اما ابعاد بالای دادههای میکروآرایه و ماهیت نویزی و مبهم آن موجب ناکارآمدی الگوریتم های پردازشگر و در نتیجه ارائه نتایج ناسازگار در مطالعات مختلف شده است. ناپایداری عملکرد الگوریتم ها در مجموعه دادههای مستقل و معرفی مجموعه ژن های شاخص متنوع به منظور پیشگویی بازگشت سرطان سینه در سالیان اخیر یکی از نمونه های این مشکل است که باعث بی اعتباری تفسیر شاخص های زیستی قبلی شده است. یکی از عوامل مهم این ناپایداری که کمتر مورد توجه قرار گرفته الگوریتم های مورد استفاده در تحلیل این دادههای ویژه است. که در این پایان نامه مورد بررسی قرار گرفته است. در این پایان نامه سه روش جدید در راستای استخراج ژن های شاخص مناسب به منظور پیشگویی بازگشت سرطان سینه ارائه شده است. ابتدا سعی شده تا با انتخاب مناسب از بین الگوریتم های موجود برای انتخاب ویژگی و طبقهبندی، ژن های شاخص با صحت پیشگویی بالا و پایداری مناسب در مجموعه دادههای مستقل استخراج شوند. در روش اول از ترکیب روش استخراج ویژگی مجموعه راف و مدل طبقهبند فازی - عصبی برای مقابله با ماهیت نویزی و مبهم داده های میکروآرایه ها استفاده شده است. در روش دوم یک راه کار جدید به منظور استفاده از اطلاعات شبکه های تعاملی پروتئینی در ترکیب توام با روش های انتخاب ویژگی تک متغیره و جاسازی شده به کار گرفته شده است. با استفاده از این روش صحت طبقهبندی نمونهها به نحو مطلوبی افزایش یافت. روش آخر یک تابع امتیاز دهی جدید در حوزه اطلاعات متقابل برای رتبهبندی ژن ها در چارچوب روش های انتخاب ویژگی چند متغیره است. در این تابع امتیاز دهی با کمک اطلاعات متقابل توام وزن بیشتری به وابستگی بین ژن ها در جهت هدف پیشگویی اختصاص یافته و همچنین کاهش افزونگی اطلاعات با کمک گرفتن از شبکه تعامل پروتئینی انجام گرفته است. ژن های شاخص انتخاب شده توسط روش های پیشنهادی از هفت مجموعه داده میکروآرایه، شامل ۱۵۳۸ نمونه، تومور سرطان سینه، از نظر شاخص پایداری و صحت طبقهبندی مورد ارزیابی قرار گرفتند. ۵۸ تا ۹۲ درصد همپوشانی بین مجموعه ژن های شاخص انتخاب شده از هفت مجموعه داده و نیز صحت طبقهبندی مناسب در مقایسه با سایر روش های مشابه نشان دهنده عملکرد بسیار مناسب روش سوم پیشنهاد شده است. با تکیه بر پایداری مجموعه نهایی ژن های معرفی شده و همچنین انطباق آنها با ژن های شناخته شده دخیل در سرطان میتوان آن ها را با قابلیت اطمینان بالا به عنوان شاخص های زیستی عمومی مربوط به بازگشت سرطان سینه معرفی کرد
توصیفگر
:
سرطان های پستان
:
پیشآگهی
:
ژن ها
:
عود موضعی سرطان
:
Breast Neoplasms
:
Prognosis
:
Genes
:
Neoplasm Recurence, Local
شناسه افزوده
:
مهری دهنوی، علیرضا، استاد راهنما
:
پورحسین، معراج، استاد مشاور
شناسه افزوده
:
دانشکده فناوری های نوین علوم پزشکی
http://elib.mui.ac.ir/site/catalogue/102346
آدرس ثابت
پیشنهاد خرید
نقد
|
پیوستها
|
موجودی
|
نظرسنجی
عنوان :
نام فایل :
نوع عام محتوا :
نوع ماده :
فرمت :
سایز :
عرض :
طول :
بررسی ارائه یک روش استخراج ویژگی مناسب به منظور پیشگویی ع...
A- Mohamadreza Sehati.pdf
پایان نامه فارسی
متن
applicatin/pdf
919 KB
85
85
نمایش
دانلود
کلیه حقوق معنوی این نرم افزار متعلق به شرکت پارس آذرخش می باشد