یک رویکرد تکاملی تفاضلی برای رده بندی ضایعات فلج چندگانه
چکیده
مساله استخراج خودکار دانشی نوین و مطلوب از مقدار زیادی داده زمانی که تشخیص الگو با استفاده از روش های کلاسیک احتمالاتی مشکل باشد، معمولاً به صورت ابتکاری انجام می شود. در این مقاله یک روش تکاملی، بر مبنای تفاضل تکاملی، پیشنهاد شده است، که قابلیت شناسایی خودکار یک مجموعه جامع از دستورات رده بندی به صورت اگر...آنگاه بر مبنای پایگاه داده ضایعات بالقوه فلج چندگانه را دارد. علاوه بر این، این ابزار همچنین خواص متمایز کننده پایگاه داده را در رده بندی نمونه ها مشخص می کند. بنابراین، این ابزار تکاملی یک سیستم مبنای تصمیم مؤثر برای تصمیمات کلینیکی فراهم می آورد، که می تواند به عنوان یک ابزار مفید متخصصان پزشکی را در کسب بینشی برای تعیین دلایل مربوط به ارزیابی ناهنجاری های مربوط به جراحات یاری دهد.
1. مقدمه
فلج چندگانه (MS) یک بیماری طولانی مدت و ناتوان کننده مربوط به سیستم اعصاب مرکزی می باشد که جریان اطلاعات را در داخل مغز و بین مغز و بدن مختل می کند (1). این امر منجر به ایجاد چندین نشانه و علائم می شود، که شامل موارد فیزیکی، روحی و در بعضی حالات مشکلات روانی می شود. برخی از این علائم شاید دید دوگانه، نابینایی یک چشم، ضعف عضلات، مشکلات حسی و هماهنگی باشد. ,MS متداول ترین اختلالی است که سیستم عصبی مرکزی را تحت تاثیر قرار می دهد. در سال 2013 حدود 2.3 میلیون نفر در سطح جهان به آن دچار شدند و 20 هزار از آن ها به دلیل این بیماری جان باختند. ,MS یک بیماری پیچیده می باشد و آزمایش واحدی برای تشخیص قطعی آن وجود ندارد. اگرچه تصویربرداری رزونانس مغناطیسی (MRI) آزمایشی برای تشخیص بیماری MS نمی باشد، ولی می تواند تصاویری جزئی از ساختار بدن ارائه دهد که برای نمایش ضایعات بسیار متداول می باشد(2) و به عنوان یک قدم بزرگ در تایید یک تشخیص و ارزیابی رشد آن به حساب آید. استفاده از تصاویر MR به عنوان نشانگری برای MS نیازمند بهره گیری از دانش تمامی متخصصان برای شناسایی صحیح جراحات MS دارد.
5. نتیجه گیری و کارهای آینده
در این مقاله، رویکردی مبتنی بر تکامل تفاضلی برای رده بندی خودکار پایگاه داده مربوط به فلج چندگانه پیشنهاد شده است، که در صورت پیاده شدن می تواند به عنوان مبنایی برای تصمیمات پزشکان عمل نماید. به عبارتی، ابزار DEC راهی خودکار برای استخراج دانش مستقیم با استفاده از یک پایگاه داده به صورت مجموعه قوانین اگر..آنگاه ارائه می دهد، که هر یک از آن ها از عملگرهای منطقی "و" برای ویژگی های پایگاه داده استفاده می کنند، و آن را به کاربران نشان می دهند.
Abstract
The problem of automatically extracting novel and interesting knowledge from large amount of data is often performed heuristically when pattern extraction through classical statistical methods is found hard. In this paper an evolutionary approach, based on Differential Evolution, is proposed, which is able to perform the automatic discovery of comprehensible classification rules as a set of IF...THEN rules over a database of Multiple Sclerosis potential lesions. Moreover, this tool also determines which the most discriminant database attributes are in categorizing instances. Therefore, this evolutionary tool provides an efficient decision support system for clinical decisions, that could be a useful tool for medical experts to help them gain insight into the reasons for assessing the abnormality of a lesion.
I. INTRODUCTION
Multiple sclerosis (MS) is a long-lasting and disabling disease of the central nervous system which disrupts the information flow within the brain, and between the brain and body [1]. This results in several signs and symptoms, which include physical, mental, and in some cases psychiatric problems. Some such symptoms may be double vision, blindness in one eye, muscle weakness, sensorial or coordination troubles. MS is the most common autoimmune disorder affecting the central nervous system. In 2013, about 2.3 million people were affected worldwide, and about 20,000 people died from it. MS is complex and there is no single test that is proof-positive for its diagnosis. Although its not the sole test used to diagnose MS, magnetic resonance imaging (MRI) that makes detailed pictures of the body structures is very commonly used to visualize lesions [2] and represents a giant step in confirming a diagnosis and in evaluating its evolution. The use of MR images as a marker for MS needs the exploitation of all the knowledge of experts to correctly identify MS lesions.
V. CONCLUSIONS AND FUTURE WORK
In this paper, an approach relying on Differential Evolution for the automatic classification of potential lesions in a realworld Multiple Sclerosis database has been proposed to implement a valuable decision support system that could be useful to doctors. Namely, the DEC tool has been utilized to extract in an automatic way explicit knowledge from the database as a set of IF-THEN rules, each composed by AND–connected literals on the database attributes, and to show them to the users.
چکیده
1. مقدمه
2. تکامل تفاضلی
3. تکامل تفاضلی کاربردی شده در رده بندی
A. رمزنگاری
B. برازندگی
4. نتایج و بحث
A. مزیت DEC: قوانین اگر...آنگاه
5. نتیجه گیری و کارهای آینده
Abstract
I. INTRODUCTION
II. DIFFERENTIAL EVOLUTION
III. DIFFERENTIAL EVOLUTION APPLIED TO CLASSIFICATION
A. Encoding
B. Fitness function
IV. RESULTS AND DISCUSSION
A. The advantage of DEC: the IF-THEN rules
V. CONCLUSIONS AND FUTURE WORK
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه