ارائه مدلي براي تشخيص زيرگروه‌هاي سرطان مغز مبتني بر جنگل تصادفي عميق و ويژگي ‌هاي تقويت شده با استفاده از داده‌هاي ژني

تشخيص نوع بيماري سرطان كه به ان زيرگروه گفته مي‌شود در تعيين روند درمان حايز اهميت فراواني است. در اين مقاله، هدف تشخيص چهار زيرگروه‌ سرطان مغز مي‌باشد. تشخيص زيرگروه بيماري را مي توان در قالب يك مسئله طبقه‌بندي مدل كرد. با توجه به پيشرفت‌هاي چشمگير صورت گرفته در علم بيوانفورماتيك در استخراج اطلاعات ژنتيكي از بدن انسان، اخيرا از اين اطلاعات در توصيف بيماران در يادگيري ماشين استفاده زيادي مي‌شود. در اين مقاله از سه نوع داده ژني شامل mRNA، miRNA و متيلاسيون DNA استفاده شده است. تركيب منابع مختلف اطالاعاتي در قالب داده‌هاي چندوجهي به جاي استفاده از يك منبع اطلاعاتي واحد، به افزايش دقت طبقه‌بندي اطلاعات منجر مي‌شود. براي استخراج ويژگيهاي مطلوب‌تر از داده‌هاي ژني، از خودرمزگذار استفاده شده است بطوريكه ويژگي هاي استخراج شده از خودرمزگذار، به‌عنوان تقويت كننده در كنار داده‌هاي ژني اوليه قرار مي‌گيرند. همچنين جنگل تصادفي به‌عنوان يك طبقه‌بندي كننده در طبقه‌بندي بيماران بر مبناي داده‌هاي ژني عملكرد مطلوبي داشته است. با گسترش روش‌هاي عميق در شبكه‌هاي عصبي و عملكرد مطلوب آنها، نسخه‌اي از جنگل تصادفي عميق با ساختار لايه‌اي ارائه شده است. جنگل تصادفي عميق داراي اين مزيت است كه در كنار عملكرد مطلوب در طبقه‌بندي اطلاعات، تعداد پارامتر محدودي داشته و پيچيدگي محاسباتي آن پايين‌تر است. در اين مقاله از جنگل تصادفي عميق براي تعيين زيرگروه نوعي از سرطان مغز استفاده شده است. نتايج آزمايش‌ها ‌نشان‌دهنده عملكرد مطلوب روش پيشنهادي است.