دانلودرایگان هوش مصنوعی در پزشکی pdf دکتر سیامک نورالهی
- جمعه, ۴ خرداد ۱۴۰۳، ۰۱:۵۰ ب.ظ
دانلود pdf هوش مصنوعی در پزشکی دکتر سیامک نورالهی
https://www.mediafire.com/file/ccl2ipcyaan0svu/Artificial+Intelligence+in_+(Z-Library).pdf/file
خوشهبندی سلسله مراتبی بقا:
روش خوشهبندی نیمهنظارتشده شامل دادههای بقا الکساندر لاکی (B) و موسسه آنتونیو مارتینز-میلانا ITACA، دانشگاه پلیتکنیکا د والنسیا، والنسیا، اسپانیا alacki@upvnet.upv.es چکیده. ناهمگونی در جمعیت بیماران یک چالش مهم برای متخصصان مراقبت های بهداشتی است، زیرا زیر جمعیت های مختلف ممکن است به رویکردهای درمانی فردی نیاز داشته باشند. برای پرداختن به این موضوع، الگوریتمهای خوشهبندی اغلب استفاده میشوند که گروههای بیمار را با ویژگیهای همگن شناسایی میکنند. الگوریتمهای خوشهبندی عمدتاً بدون نظارت هستند و منجر به خوشههایی میشوند که از نظر بیولوژیکی معنیدار هستند، اما لزوماً با یک نتیجه بالینی یا درمانی مورد علاقه مرتبط نیستند. در این مطالعه ما خوشهبندی سلسله مراتبی سلسله مراتبی بقا (S-HAC) را معرفی میکنیم، یک روش جدید خوشهبندی نیمه نظارتی که الگوریتم خوشهبندی سلسله مراتبی سلسله مراتبی را گسترش میدهد. رویکرد ما از متغیرهای توصیفی و زمان بقای بیماران برای تشکیل خوشههایی استفاده میکند که در فضای توصیفی همگن هستند و زمانهای بقای منسجم را شامل میشوند. در یک مطالعه معیار، S-HAC از چندین الگوریتم خوشه بندی نیمه نظارت شده موجود بهتر عمل کرد. این الگوریتم همچنین بر روی پایگاه داده مراقبتهای حیاتی مدیریت فیبریلاسیون دهلیزی مورد ارزیابی قرار گرفت، جایی که خوشههایی را شناسایی کرد که میتوان به آسانی با دانش موجود در مورد اثرات درمانی مانند موارد منع مصرف و عوارض جانبی پس از قرار گرفتن در معرض دارو نقشهبرداری کرد. این نتایج اثربخشی الگوریتم را در شناسایی زیرجمعیتهای مرتبط بالینی در گروههای بیماران ناهمگن نشان میدهد. S-HAC یک روش خوشه بندی جذاب برای حوزه زیست پزشکی به دلیل قابلیت تفسیر و سادگی محاسباتی آن نشان می دهد. کاربرد آن در گروههای مختلف بیماران ممکن است متخصصان مراقبتهای بهداشتی را قادر سازد تا درمانها را انجام دهند و به طور مؤثرتری نیازهای بیماران را برآورده کنند. ما بر این باوریم که این رویکرد پتانسیل بهبود قابل توجهی نتایج بیمار و افزایش کارایی ارائه مراقبتهای بهداشتی را دارد. کلمات کلیدی: خوشه بندی نیمه نظارتی · تجزیه و تحلیل خوشه ای · تجزیه و تحلیل بقا · طبقه بندی فنوتیپ · فیبریلاسیون دهلیزی