کنترل جمعیت سلولهای سرطانی در مدل غیرخطی سرطان ملانوما با لحاظ عدم قطعیت با استفاده از الگوریتم یادگیری Q تحت سیاست استدلال مبتنی بر مورد(CBR)
عنوان مقاله: کنترل جمعیت سلولهای سرطانی در مدل غیرخطی سرطان ملانوما با لحاظ عدم قطعیت با استفاده از الگوریتم یادگیری Q تحت سیاست استدلال مبتنی بر مورد(CBR)
شناسه ملی مقاله: JR_JIAE-17-3_004
منتشر شده در در سال 1399
شناسه ملی مقاله: JR_JIAE-17-3_004
منتشر شده در در سال 1399
مشخصات نویسندگان مقاله:
امین نوری - Shahrood University of Technology, Shahrood, Iran,
الناز کلهر - Sadjad University of Technology
محمد علی صدرنیا - Shahrood University of Technology, Shahrood, Iran,
سارا صبوری راد - ۳Faculty of Medicine, Mashhad University of Medical Sciences
خلاصه مقاله:
امین نوری - Shahrood University of Technology, Shahrood, Iran,
الناز کلهر - Sadjad University of Technology
محمد علی صدرنیا - Shahrood University of Technology, Shahrood, Iran,
سارا صبوری راد - ۳Faculty of Medicine, Mashhad University of Medical Sciences
سرطان پوست یکی از خطرناکترین سرطانهایی است که همه ساله افراد زیادی به آن مبتلا میشوند. به همین دلیل تشخیص و درمان سریع این سرطان بسیار برای پزشکان حایز اهمیت میباشد، در چند دهه اخیر برای بهبود تشخیص و درمان این بیماری استفاده از روشهای هوشمند بسیار مورد توجه قرار گرفته است. هدف اصلی در این مقاله، تعیین مقدار بهینه دارو برای از بینبردن سلولهای سرطانی میباشد به گونهای که از تاثیر سوء دارو بر روی سلولهای سالم جلوگیری شود. از الگوریتم یادگیری Q بدین منظور استفاده شده است. برای انتخاب اعمال، از سیاست استدلال مبتنی بر مورد با نام اختصاری CBRکه یک نوع سیاست اکتشافی شتاب داده شده میباشد، استفاده گشته است که باعث افزایش سرعت یادگیری و کاهش زمان، برای رسیدن به سیاست بهینه میشود. مورد دیگری که در این مقاله لحاظ شده است، تاثیر نیمه عمر دارو برای بدستآوردن اثر دارو در هر لحظه در بدن بیمار میباشد. برای اینکه عملکرد روش یادگیری تقویتی در کنترل سلولهای سرطانی و تعیین میزان بهینه دوز دارو بهتر نشان داده شود، این روش با یکی از روشهای کنترل بهینه به نام روش همیلتونین و روش تزریق دوز داروی ثابت مقایسه شده است. در نهایت نشان داده شده است مجموع دوز داروی تزریقی به بیمار با استفاده از روش یادگیری تقویتی در مقایسه با حالتی که از روش کنترل بهینه و دوز داروی ثابت برای تمام زمانها استفاده شده است، بسیار کاهش پیدا کرده است و در ضمن جمعیت سلولهای سرطانی نیز کنترل شده است. با اعمال نویز و عدم قطعیت در پارامترهای سیستم و شرایط اولیه باز هم روش انتخابی قادر به کنترل سلولهای سرطانی میباشد.
کلمات کلیدی: melanoma cancer, Q-learning algorithm, case based reasoning, side effect of the drug, half-life of drug, optimal control., سرطان ملانوما, الگوریتم یادگیری Q, سیاست استدلال مبتی بر مورد, اثرات سوء دارو, نیمه عمر دارو, کنترل بهینه
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1157341/