ماشین بردار پشتیبانی بقا در داده های بیوانفورماتیک پزشکی 



x

ماشین بردار پشتیبانی بقا در داده های بیوانفورماتیک پزشکی



بررسی فنولوژی و سیتولوژی ارقام حساس و مقاوم سیب‌زمینی به بیماری لکه موجی
عوامل موثر بر توانمندسازی زنان روستایی سرپرست خانوار تحت پوشش کمیته امداد امام خمینی (ره) (مورد مطالعه: شهرستان عباس آباد)
تعیین رویشگاه بالقوه گونه ریواس (Rheum ribes L) با استفاده از روش های مکسنت و گارپ در استان اصفهان
همسانه‌سازی و انتقال ژن لوسیفراز حشره شبتاب (Lampyris turkestanicus) به گیاه توتون (Nicotiana tabacum)
تولید کیک اسفنجی فاقد گلوتن و فراسودمند با استفاده از کنجاله‌ بادام شیرین
آشکارسازی تغییرات پوشش اراضی و الگوهای مکانی سیمای سرزمین در ذخیرگاه زیستکره ارسباران در جهت ارائه برنامه‌های مدیریت مشارکتی

مترهای فینسلری متقارن کروی در Rn
به کار بردن کوتاهترین مسیر برای فیلتر کردن تصاویر رنگی
حل عددی معادلات انتگرال و دیفرانسیل به کمک توابع پایه‌ای سینک
آنالیز روش‌های تفاضلات متناهی در حل معادلات دیفرانسیل با مشتقات جزئی کسری مکانی
بررسی جواب‌های تناوبی مسئله N-جسم به کمک روش‌های حساب تغییرات
تجزیه فریم‌ها به مجموعه‌های مستقل خطی
حمایت از ما | مشهدهاست
`

ماشین بردار پشتیبانی بقا در داده های بیوانفورماتیک پزشکی






مدل مخاطرات متناسب کاکس از روش‌های متداول در تحلیل داده‌های بقا می باشد که در هنگام استفاده از داده‌هایی با ابعاد بالا همگرا نشده و کارایی لازم برای برآورد را ندارد. به این منظور برای داده‌هایی با ابعاد بالا مدل کرنل کاکس جایگزین آن می شود. ماشین بردار پشتیبانی زیرمجموعه‌ای از تکنیک‌های داده‌کاوی است که توانایی کار با داده‌هایی با ابعاد بالا را دارد و همچنین نیازی به بررسی پیش‌فرض بر روی‌داده‌ها ندارد. این تکنیک با تغییراتی در تابع هدف و قیود توانایی کار با داده‌های سانسور شده از جنس داده‌های بقا را نیز داشته و اصطلاحاً ماشین بردار پشتیبانی بقا نامیده می‌شود. هدف این پژوهش بررسی دقت و کارایی ماشین بردار پشتیبانی بقا با مدل سنتی کاکس در داده‌هایی با ابعاد بالا می‌باشد. برای بررسی این هدف در داده‌های بیان ژنی ابتدا بر اساس آزمون نمره، ژن‌هایی که دارای بیشترین اثر بر روی زمان بقا هستند، شناسایی شدند. سپس مدل کرنل کاکس و ماشین بردار پشتیبانی بقا با قیود رتبه‌بندی و رگرسیونی بر روی آن‌ها اجرا شد. برای تعیین پارامتر جریمه در مدل‌ها و ارزیابی هر سه الگوریتم، از روش k-گره اعتبارسنجی متقابل با 30 مرتبه اجرا استفاده شد. پس از تعیین پارامتر جریمه، مدل بر روی کل داده‌ها نیز اجرا و شاخص‌های ارزیابی در آن‌ها تعیین شدند.
نمایه ها:
ماشین بردار پشتیبانی بقا |
تحلیل بقا |
بیان ژنی ریزآرایه |
شاخص مطابقت |



 اين مطلب بدون دخالت انساني عينا از اين آدرس کپي شده و تمامي مسوليت آن با ناشر اصلي است.

برترین مطالب


بررسی اثر سینامالدیید و یوژنول بر بیان ژن‌های تلومراز، دیسکرین، پروتئین کیناز B (AKT)، طول تلومر و شاخص‌های تکثئری و تمایزی سلول های بنیادی م
تعیین عادات رفتاری ویژه بیماران مبتلا به ایسکمی قلب در مقایسه با بیماران غیرقلبی بستری در بیمارستانهای دانشگاه علوم پزشکی کاشان 1372
مطالعه اثرات درمانی تزریق الکل در داخل ندول تیروئید PEIT
بررسی انواع دهیدراتاسیون(از نظر نوع و شدت)و برخی ویژگیهای آن در کودکان مبتلا به اسهال بستری شده در بیمارستان کودکان قدس، تابستان سال 1384
شیوع پری آرتریت‌ها در بیماران مراجعه کننده به مرکز رماتولوژی بیمارستان دکتر شریعتی تهران بین سال‌های 81-1375
بررسی مقایسه‌ای تاثیر داروی استرپتوکیناز در بیماران مبتلا به انفارکتوس میوکارد براساس میزان تیتراژ آنتی استرپتوکیناز

نقش پروتئین غذایی در پوکی استخوان
درمان های نامتعارف استئوآرتریت
بررسی وزن و قد نوزادان در بدو تولد و عوامل موثر بر آن در بیمارستان های تحت پوشش دانشگاه علوم پزشکی تهران
درباره هیپوگلیسمی
بیهوشی در تراتوم ساکروکوکسیژیال گزارش یک مورد
ارزیابی عملکرد روش بازسازی فیلتر بک پروجکشن در تصویربرداری اسپکت از فانتوم مغز

سایر مطالب

سایر مطالب

سایر مطالب

*