شماره ركورد كنفرانس :
5530
عنوان مقاله :
مقايسه كارايي روش‌هاي يادگيري تقويتي عميق براي كنترل دوز داروي بيماران مبتلا به لوسمي
عنوان به زبان ديگر :
Comparison of the efficiency of deep reinforcement learning methods to control the drug dosage of patients with leukemia
پديدآورندگان :
افخمي مريم maryam.afkhami039@sadjad.ac.ir دانشگاه سجاد , نوري امين amin.noori@sadjad.ac.ir دانشگاه سجاد
كليدواژه :
بيماري لوسمي , رژيم درماني , هوش مصنوعي , بهينه‌سازي دوز دارو
عنوان كنفرانس :
بيستمين سمپوزيوم بين‌المللي هوش مصنوعي و پردازش سيگنال
چكيده فارسي :
طراحي يك استراتژي كنترل هوشمند براي تعيين رژيم درماني دارويي براي بيماران مبتلا به لوسمي مي‌تواند در درمان اين بيماري بسيار مهم باشد. استفاده از الگوريتم‌هاي هوش مصنوعي مي‌تواند به پزشكان كمك كند تا به طور دقيق‌تر و اثربخش‌تر دوز مناسب دارو را تعيين كنند. در اين مقاله، از الگوريتم‌هاي يادگيري تقويتي پيوسته براي بهينه‌سازي دوز داروي بيماران مبتلا به لوسمي استفاده شده است. براي اين‌منظور سه روش DQN، DDPG وPPO مورد بررسي قرار گرفته است و نتايج آنها با هم مقايسه شده اند كه اين امر مي‌تواند به بهبود و بهينه‌سازي در تعيين رژيم درماني دارويي براي بيماران CML و حتي ساير بيماري‌هاي مشابه كمك كند.
