[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: آرشيو مقالات :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
بخش‌های اصلی
مؤسسه عالی آموزشی و پژوهشی طب انتقال خون::
اطلاعات نشریه::
آرشیو مقالات::
برای نویسندگان::
برای داوران::
ثبت نام و اشتراک::
اخبار و رویدادها::
تماس با ما::
تسهیلات تارنما::
فرم تعهد نامه (الزامی)::
اخلاق و مجوزها::
::
جستجو درتارنما

جستجوی پیشرفته
..
دریافت اطلاعات تارنما
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
بانک تخصصی مقالات پزشکی

AWT IMAGE

..
نمایه ها
https://vlibrary.emro.who.int/journals_search/?skeyword=the+scientific+journal+of+iranian+blood+transfusion+organization&country=&subject=&indexing_status=&country_group=&so
..
:: جلد 21، شماره 2 - ( تابستان 1403 ) ::
جلد 21 شماره 2 صفحات 159-151 برگشت به فهرست نسخه ها
پیش‌بینی لخته شدن خون بند ناف پیش از جمع‌آوری با کمک الگوریتم‌های یادگیری ماشین پیشرفته
امیر حسین اسمعیل پور ، مریم عاملی* ، اشکان مزدگیر ، ارد احمدی ، مرتضی ضرابی
استادیار گروه مهندسی صنایع ـ دانشکده فنی و مهندسی دانشگاه خوارزمی
چکیده:   (875 مشاهده)
چکیده
سابقه و هدف
خون بند ناف منبع ارزشمندی از سلول‌های بنیادی است که در پیوند برای درمان بیماری‌های مختلف از جمله لوسمی، لنفوم و اختلالات ژنتیکی مورد استفاده قرار می‌گیرد. با این ‌حال، لخته‌ شدن خون بند ناف در فرآیند جمع‌آوری می‌تواند کیفیت نمونه را کاهش دهد و بر اثر بخشی آن در ذخیره‌سازی خون بند ناف در بانکها تأثیر بگذارد. در این مقاله با استفاده از روش‌های پیشرفته یادگیری ماشین، لخته‌شدن خون بند ناف قبل از جمع‌آوری نمونه‌ها از اهداکنندگان پیش‌بینی شده است.
مواد و روش‌ها
در یک مطالعه گذشته‌نگر، تعداد 928127 نمونه از بانک خون بند ناف رویان از سال 1384 تا 1400 بررسی شدند. داده‌ها با استفاده از نمونه‌های موجود در بانک خون بند ناف رویان و با استفاده از الگوریتم‌های طبقه‌بندی یادگیری نظارت شده، از جمله درخت تصمیم، بیزین ساده، K- نزدیک‌ترین همسایه، ماشین‌بردار پشتیبان، جنگل تصادفی، طبقه‌بندی رأی اکثریت و پرسپترون چند لایه برای پیش‌بینی لخته‌شدن خون بند ناف بر روی داده‌های بانک خون بند ناف رویان اجرا و عملکرد آن‌ها با استفاده از معیارهای ارزیابی دقت، صحت، بازخوانی و امتیاز F1 مقایسه شد.
یافته‌ها
در این مطالعه دقت الگوریتم درخت تصمیم 80/0،  بیزین ساده 63/0، K- نزدیک‌ترین همسایه 83/0، ماشین‌بردار پشتیبان 65/0، جنگل تصادفی 84/0، طبقه‌بندی رأی اکثریت 81/0 و پرسپترون چند لایه 74/0 اندازه‌گیری شده است.
نتیجه گیری
در این مطالعه عملکرد دو الگوریتم جنگل تصادفی و K- نزدیک‌ترین همسایه بهترین کارآیی را از خود نشان دادند و بیانگر آن است که می‌توان با کمک الگوریتم‌های یادگیری ماشین، با دقت بالایی بروز لخته پیش از زایمان را در نوزاد پیش‌بینی کرد و به کمک آن می‌توان از نمونه‌برداری نمونه‌های دارای لخته به ‌منظور کاهش هزینه و مشکلات ذخیره‌سازی آن‌ها جلوگیری نمود.
 
واژه‌های کلیدی: سلول‌های بنیادی، یادگیری ماشین، خون بند ناف، بیوانفورماتیک
متن کامل [PDF 535 kb]   (212 دریافت) |   |   متن کامل (HTML)  (220 مشاهده)  
نوع مطالعه: پژوهشي | موضوع مقاله: سلولهاي بنيادي
انتشار: 1403/4/10
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Esmaielpour A, Ameli M, Mozdgir A, Ahmadi O, Zarabi M. Predicting pre-collection umbilical cord blood clotting using advanced machine learning algorithms. Sci J Iran Blood Transfus Organ 2024; 21 (2) :151-159
URL: http://bloodjournal.ir/article-1-1520-fa.html

اسمعیل پور امیر حسین، عاملی مریم، مزدگیر اشکان، احمدی ارد، ضرابی مرتضی. پیش‌بینی لخته شدن خون بند ناف پیش از جمع‌آوری با کمک الگوریتم‌های یادگیری ماشین پیشرفته. فصلنامه پژوهشی خون. 1403; 21 (2) :151-159

URL: http://bloodjournal.ir/article-1-1520-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
جلد 21، شماره 2 - ( تابستان 1403 ) برگشت به فهرست نسخه ها
فصلنامه پژوهشی خون Scientific Journal of Iran Blood Transfus Organ
The Scientific Journal of Iranian Blood Transfusion Organization - Copyright 2006 by IBTO
Persian site map - English site map - Created in 0.07 seconds with 41 queries by YEKTAWEB 4700