دوره 15، شماره 3 - ( لیزر در پزشکی 1397 )
جلد 15 شماره 3 صفحات 14-21 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Applying Neural Networks in Raman Spectral Analysis to Discriminate the Origin of Metastatic Cancers to Lymphatic Nodes. ASWTR 2018; 15 (3) :21-14
URL: http://icml.ir/article-1-411-fa.html
URL: http://icml.ir/article-1-411-fa.html
دهقانی بیدگلی زهره، خامه چیان طاهره. کاربرد شبکه‌های عصبی در آنالیز طیفی رامان جهت تفکیک منشأ سرطان‌های متاستاز‌یافته به غدد لنفاوی. Adv Skin Wound Tissue Repair. 1397; 15 (3) :21-14
گروه مهندسی پزشکی، واحد کاشان، دانشگاه آزاد اسلامی، کاشان، ایران
چکیده: (5804 مشاهده)
مقدمه: تعیین منشأ اولیۀ سرطان‌های متاستاز یافته در طراحی درمان و میزان موفقیت آن بسیار حائز اهمیت است. از آنجا که سلول‌های متاستاز یافته حاوی اطلاعاتی از بافت مبدأ می‌باشند و طیف‌سنجی رامان اثر انگشت مولکولی از سلول‌ها به دست می‌دهد، روش های مبتنی بر طیف سنجی رامان می‌تواند روش جدیدی در تعیین منشأ اولیۀ سرطان به دست دهد.
روش بررسی: در این مطالعه نمونه‌های به دست آمده از سرطان های متاستاز یافته به غدد لنفاوی از سه مبدأ متفاوت معده، پستان و رودۀ بزرگ مورد ارزیابی رامان قرار گرفت و طیف‌های به دست آمده پس از پیش پردازش با شبکه‌های عصبی MLP و شبکۀ پیشنهادی SCNN باتوجه به مبدأ سرطان طبقه‌بندی شدند.
یافته‌ها: طبقه‌بندی با استفاده از شبکۀ بهینه شده با نام شبکۀ عصبی خودسازنده (SCNN) نتایج بسیار بهتری نسبت به MLP نشان داد و در نهایت صحتی برابر 89 درصد در طبقه‌بندی سه کلاس (سه مبدأ سرطان) در اعتبار‌سنجی متقابل یکی را کنار بگذار به‌دست آمد.
نتیجه‌گیری: مطالعۀ حاضر نشان داد که طیف‌سنجی رامان با به کارگیری روش‌های مناسب در پردازش طیف‌ها می‌تواند به روش جدیدی در تعیین منشأ اولیۀ سرطان‌های متاستاز‌یافته با منشأ اولیۀ نا‌معلوم تبدیل شود.
روش بررسی: در این مطالعه نمونه‌های به دست آمده از سرطان های متاستاز یافته به غدد لنفاوی از سه مبدأ متفاوت معده، پستان و رودۀ بزرگ مورد ارزیابی رامان قرار گرفت و طیف‌های به دست آمده پس از پیش پردازش با شبکه‌های عصبی MLP و شبکۀ پیشنهادی SCNN باتوجه به مبدأ سرطان طبقه‌بندی شدند.
یافته‌ها: طبقه‌بندی با استفاده از شبکۀ بهینه شده با نام شبکۀ عصبی خودسازنده (SCNN) نتایج بسیار بهتری نسبت به MLP نشان داد و در نهایت صحتی برابر 89 درصد در طبقه‌بندی سه کلاس (سه مبدأ سرطان) در اعتبار‌سنجی متقابل یکی را کنار بگذار به‌دست آمد.
نتیجه‌گیری: مطالعۀ حاضر نشان داد که طیف‌سنجی رامان با به کارگیری روش‌های مناسب در پردازش طیف‌ها می‌تواند به روش جدیدی در تعیین منشأ اولیۀ سرطان‌های متاستاز‌یافته با منشأ اولیۀ نا‌معلوم تبدیل شود.
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |