ربیع: استخراج روابط میان علائم و بیماری به کمک یادگیری عمیق

Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 494

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CITCOMP05_034

تاریخ نمایه سازی: 22 مرداد 1399

Abstract:

تجزیه و تحلیل روابط بین بیماری ها و علائم آنها یکی از موارد مهمی است که امروزه در علم زیست شناسی موردتوجه قرار گرفته است. متون علمی منبع غنی برای استخراج اطلاعات در مورد روابط بین مفاهیم مختلف زیست شناسی،مانند اطلاعات مربوط به بیماری ها و علائم آنها هستند. یکی از روش های محبوبی که امروزه در این زمینه استفاده می شودروش های متن کاوی مبتنی بر یادگیری عمیق است که به کمک آن می توان روابط میان مفاهیم مختلف را بدست آورد. دراین مقاله، روشی به نام ربیع را پیشنهاد می کنیم که از یادگیری عمیق برای کشف روابط میان بیماری ها و علائم آناستفاده میکند. روش پیشنهادی مدل Word2Vec را بر روی چکیده مقالات PubMed آموزش میدهد و بردار بیماری ها و علائم آنها را از متون استخراج می کند. سپس با استفاده از بردارهای استخراج شده گراف علائم-بیماری را می سازد. باتوجه به اینکه مرجع معتبری برای ارزیابی روابط بین بیماری ها و علائم آنها وجود ندارد روش ربیع با دو روش TFIDF و Apriori مقایسه شده است که به ترتیب 74 و 57 درصد شباهت میان روش ربیع و روش های TFIDF و Apriori وجود داشته است. همچنین نتایج روش پیشنهادی ربیع برای بیماری های آنفولانزا، تومور فیبروید و پوکی استخوان نیز ارزیابی شده و بررسی های دامنه ای حکایت از دقت بالای روش پیشنهادی ربیع برای شناسایی رابطه میان بیماری ها و علائم آنها دارد.

Authors

میلاد اله قلی

دانشجوی کارشناسی ارشد، مهندسی کامپیوتر – نرم افزار، دانشگاه علم و صنعت ایران، تهران، ایران

حسین رحمانی

استادیار گروه نرم افزار، دانشگاه علم و صنعت ایران، تهران، ایران

فاطمه کریمخانی

دانشجوی کارشناسی ارشد، مهندسی کامپیوتر – هوش مصنوعی، دانشگاه صنعتی شریف، تهران، ایران