بررسي مختصر تشخيص سرطان به روش تحليل توپولوژيكي داده

در جهاني كه انفجار اطلاعات در آن صورت گرفته است نياز به بررسي داده ها براي رسيدن به اطلاعتي ژرف هميشه چالشي جذاب و البته مهم بوده است. داده هاي حجيم نه فقط به دليل زياد بودن بلكه به دليل ابعاد زيادي كه دارا هستند حساسيت برانگيز و پر مخاطره بوده است. البته روشهاي مختلفي براي كاهش بعد داده ها و ساده سازي آنها همچون PCA , LDA, QDA,…. استفاده ميشود اما اينها بدليل افكنش و كاهش بعد يك سري از ويژگيهاي داده ها را از بين ميبرند و يا قابليت پياده سازي بر روي داده هايي كه از نظر پراكندگي همپوشاني زياد دارند را ندارند. فرض كنيد اين داده ها با ابعاد بالا شامل اطلاعات زيستي سرطاني باشد كه هر كدام نشان يك ژن براي تشخيص نوع سرطان و يا مرحله اي از تشخيص ميزان پيشرفت آن باشد و به دليل پيچيدگي ابر داده اي قابل تحليل نباشد و يا به دليل همپوشاني در افكنش براي كاهش بعد از دست برود. به اين دلايل استفاده از روشهاي رايج قابل اعتماد نيست. تحليل توپولوژيك داده ها اين امر را محيا ميسازد كه داده ها در همان ابعاد بالا دسته بندي شده و بعد به روشي توپولوژيك كاهش بعد پيدا كرده و به تحليل آن بپردازيم. در اين مقاله اول به معرفي اين روش پرداخته و در ادامه به بررسي تحقيقات و فعاليتهايي كه در زمينه تحليل توپولوژيك داده بر روي داده هاي زيستي و اختصاصا سرطان صورت گرفته است ميپردازيم.