بهبود دسته بندی سرطان ریه با استفاده از دسته بند جنگل تصادفی

شناسایی دقیق سرطان به امید درمان بیمارانی که از این بیماری سخت رنج می برند بسیار کمک می کند امروزه میکروارایه های DNA به دانشمندان اجازه نمایش هزاران ژن را بطور شبیه سازی شده داده اند و همچنین می توانند آن ژنهایی که فعال، فرافعال یا ارام هستند را در بافتهای سرطانی یا نرمال شناسایی کنند انتخاب ژن شناسایی ژن های مهم شاخص تحت شرایط متفاوت است تحلیل داده های میکروارایه برای درگیر شدن با تعداد زیادی ژن در مقابل تعداد نسبتا کم نمونه ها معروف است برای مقابله با این مشکل در این مقاله روشی پیشنهاد شده است که از یکسو برای کاهش چند بعدی پایگاه داده ژن ها مناسب است و از سوی دیگر به بالا بردن دقت دسته بندی نمونه های سرطان کمک می کند دراین مقاله برای رسیدن به هدف شناسایی دقیق و سریع سرطان ابتدا پایگاه داده اموزشی به دسته های ژن 2000 تایی بطور ترتیبی تقسیم می شود دقت دسته بندی توسط الگوریتم جنل تصادفی به دست امده و توسط روش ترکیبی انتخاب ژن GA-Cfs برای هر دسته تعداد ژن ها کاهش داده می شود

Keywords:

انتخاب ژن CFs , دسته بندی سرطان , جنگل تصادفی , الگوریتم stacking , سرطان ریه