کنترل جمعیت سلولهای سرطانی در مدل غیرخطی سرطان ملانوما با لحاظ عدم قطعیت با استفاده از الگوریتم یادگیری Q تحت سیاست استدلال مبتنی بر مورد(CBR)
Publish place: Journal of Iranian Association of Electrical and Electronics Engineers، Vol: 17، Issue: 3
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 425
This Paper With 13 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:
شناسه ملی سند علمی:
JR_JIAE-17-3_004
تاریخ نمایه سازی: 3 اسفند 1399
Abstract:
سرطان پوست یکی از خطرناکترین سرطانهایی است که همه ساله افراد زیادی به آن مبتلا میشوند. به همین دلیل تشخیص و درمان سریع این سرطان بسیار برای پزشکان حایز اهمیت میباشد، در چند دهه اخیر برای بهبود تشخیص و درمان این بیماری استفاده از روشهای هوشمند بسیار مورد توجه قرار گرفته است. هدف اصلی در این مقاله، تعیین مقدار بهینه دارو برای از بینبردن سلولهای سرطانی میباشد به گونهای که از تاثیر سوء دارو بر روی سلولهای سالم جلوگیری شود. از الگوریتم یادگیری Q بدین منظور استفاده شده است. برای انتخاب اعمال، از سیاست استدلال مبتنی بر مورد با نام اختصاری CBRکه یک نوع سیاست اکتشافی شتاب داده شده میباشد، استفاده گشته است که باعث افزایش سرعت یادگیری و کاهش زمان، برای رسیدن به سیاست بهینه میشود. مورد دیگری که در این مقاله لحاظ شده است، تاثیر نیمه عمر دارو برای بدستآوردن اثر دارو در هر لحظه در بدن بیمار میباشد. برای اینکه عملکرد روش یادگیری تقویتی در کنترل سلولهای سرطانی و تعیین میزان بهینه دوز دارو بهتر نشان داده شود، این روش با یکی از روشهای کنترل بهینه به نام روش همیلتونین و روش تزریق دوز داروی ثابت مقایسه شده است. در نهایت نشان داده شده است مجموع دوز داروی تزریقی به بیمار با استفاده از روش یادگیری تقویتی در مقایسه با حالتی که از روش کنترل بهینه و دوز داروی ثابت برای تمام زمانها استفاده شده است، بسیار کاهش پیدا کرده است و در ضمن جمعیت سلولهای سرطانی نیز کنترل شده است. با اعمال نویز و عدم قطعیت در پارامترهای سیستم و شرایط اولیه باز هم روش انتخابی قادر به کنترل سلولهای سرطانی میباشد.
Keywords:
melanoma cancer , Q-learning algorithm , case based reasoning , side effect of the drug , half-life of drug , optimal control. , سرطان ملانوما , الگوریتم یادگیری Q , سیاست استدلال مبتی بر مورد , اثرات سوء دارو , نیمه عمر دارو , کنترل بهینه
Authors
امین نوری
Shahrood University of Technology, Shahrood, Iran,
الناز کلهر
Sadjad University of Technology
محمد علی صدرنیا
Shahrood University of Technology, Shahrood, Iran,
سارا صبوری راد
۳Faculty of Medicine, Mashhad University of Medical Sciences
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :