کاربرد روش های جدید قواعد ارتباطی در زمینه پزشکی برای کشف بیماری ومعرفی یک شبکه بیزین

تمرکز اصلی این پژوهش بر روی به کار بردن روش های جدید قواعد ارتباطی در زمینه های پزشکی برای کشف بیماری است. همچنین یک سیستم برای کشفیات علم پزشکی بر پایه قواعد و شبکه های بیژین (Bayesian Network) معرفی می کنیم. صنعت پزشکی مقادیر زیادی از داده های پزشکی را جمع آوری می کنند که متاسفانه برای یافتن اطلاعات پنهان در تصمیم گیری های موثر، استخراج نمی شوند. کشف الگوی پنهان و روابط آنها اغلب غیر عملی است. تکنیک های داده کاوی می تواند کمکی برای حل این موضوع باشد. داده کاوی ابزارهای زیادی در تجارت و زمینه های علمی پیدا کرده است. قواعد ارتباطی در الگوریتم ژنتیک برای پیش بینی درست وجود بیماری استفاده می شود.در این پژوهش از شبکه های بیژین نیز استفاده شده است الگوریتمی برای پیدا کردن قواعد وابستگی ژنوتایپ فنوتایپ از داده های مرتبط به بیماری های پیچیده وجود داشت. این الگوریتم بر پایه الگوریتم ژنتیک بود که با تکنیک های سنتی داده کاوی مقایسه می شد و اثبات شده بود که نشانه های طبقه بندی همانندی را با پیدا کردن نتایج بیشتر از تولید مصنوعی داده ها بدست می آورد. برای مثال، در یکی از مقالات فرض بر این است که چندین گروه از (ucleotide polymorphismsingle nSnps ) ها بیشترین تاثیر را در بروز و گسترش بیماری پیچیده ای مثل شیزوفرنی دارند. انگیزه اصلی استفاده از الگوریتم ژنتیک در کشف قوانین پیش بینی (Prediction rules) سطح بالا، به دلیل انجام جستجو جهانی و مقابله بهتر با ویژگی تعامل نسبت به الگوریتم القایی قوانین گریدی (Greedy rule) ، استفاده شده در داده کاوی می باشد.

Keywords:

داده کاوی , الگوریتم ژنتیک , شبکه بیژین , کشف قوانین پیش بینی , محاسبات تکاملی