Skip to main content
فهرست مقالات

ارایه روشی به منظور طبقه بندی انواع لوسمی براساس تئوری بازی های مبتنی بر همکاری و مقدار شیپلی

نویسنده:

نویسنده مسئول:

علمی-پژوهشی (وزارت علوم)/ISC (16 صفحه - از 1 تا 16)

چکیده:

هدف: طبقه‌بندی انواع مختلف لوسمی حاد براساس تئوری بازی‌های مبتنی بر همکاری و مقدار شیپلی مواد و روش‌ها: در این تحقیق از نمونه داده‌های بیمار جمع‌آوری شده از آزمایش‌های فلوسایتومتری در سازمان انتقال خون ایران؛ استفاده شد. ۳۰4 نمونه بیماری مختلف در ۸ طبقه لوسمی حاد بررسی شد. در ابتدا این نعایج به‌صورت عددی بودند. در مرحله بعد براساس حد آستانه تعریف شده» داده‌ها به شکل بولین تبدیل شد. سپس براساس تئوری بازی مبتنی بر همکاری و مقدار شیپلی» وزن‌های خحاصی به این داده‌ها تخصیص داده شد. بدین ترتیب» نمونه‌های مختلف بیماری از یکدیگر جدا و امکان طبقه‌بندی انواع لوسمی حاد حاصل شد (مرحله یادگیری). در مرحله تشخیص, با استفاده از معیارهای شباهتء شباهت نمونه جدید مورد مطالعه با نمونه‌های آموزشی ارزیابی شد و نوع لوسمی نمونه مورد آزمایش» آشکار شد. نتایج: دقت طبقه‌بندی لوسمی براساس تئوری بازی مبتنی بر همکاری» ۹۹/۳ درصد بود که نشان می‌دهد روش پیشنهادی از دقت قابل توجهی در تفکیک درست طبقه‌ها برخوردار است. به‌منظور سنجش کارایی روش پیشنهادی» نتیجه با شبکه عصبی که از جمله الگوریتم‌های یادگیری کاراست» مقایسه شد. نتایج حاصل از دقت طبقه‌بندی با شبکه عصبی پایه شعاعی» ۹۱/۸۰ درصد بود. ننیجه‌گیری: با توجه به نتایج حاصل» روش پیشنهادی در طبقه‌بندی لوسمی حادء امیدوارکننده است. از این رو می‌تواند به هماتولوژیست‌ها و پزشکان در تشخیص دقیق‌تر انواع لوسمی کمک کند تا تصمیمات مناسب‌تری در مورد نحوه تشخیص و درمان بگیرند.

Objective: To classify different types of acute leukemia based on cooperative game theory and Shapley value. Materials and Methods: In this study, patients data were collected from Flow Cytometry tests of the Iran Blood Transfusion Organization (IBTO) have been used. 304 different diagnosed samples in 8 classes of acute leukemia were investigated. Samples were initially in numerical format. In the next stage, we transformed them into Boolean format according to the defined threshold. Then, weights were assigned to these samples based on cooperative game theory and Shapley value. In this regard, different samples of acute leukemia were separated and classified (Learning Phase). In the diagnosis phase, using similarity measures, the similarities between new under study and the training samples were assessed and the type of under study leukemia were detected (Diagnosis phase). Results: The accuracy rate of the classification method based on the cooperative game theory for leukemia was 96.3% which indicates that the proposed method has a considerable precision rate to classify the different kind of classes. In order to find the validity and efficiency of the proposed method, the results were compared with neural network, which is one of the useful learning algorithms. The accuracy rate of the classification method based on Radial Basis Function method (RBF) was 91.80%. Conclusion: Considering the data, the proposed method gave very hopeful results for acute leukemia classification. In this regard, it can assist hematologists and physicians in reasonable and accurate diagnosis of the kind of leukemia, to make more suitable decisions.

کلیدواژه ها:

طبقه بندی ،تئوری بازی ،لوسمی ،فلوسایتومتری ،بازی مبتنی بر همکاری ،مقدار شیپلی

Cooperative Game Theory ،Flow cytometry ،Game Theory ،Classification ،Shapley value ،Leukemia


برای مشاهده محتوای مقاله لازم است ورود پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.