CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مقایسه کارایی روش های یادگیری تقویتی عمیق برای کنترل دوز داروی بیماران مبتلا به لوسمی

عنوان مقاله: مقایسه کارایی روش های یادگیری تقویتی عمیق برای کنترل دوز داروی بیماران مبتلا به لوسمی
شناسه ملی مقاله: CDI20_011
منتشر شده در بیستمین سمپوزیوم بین المللی هوش مصنوعی و پردازش سیگنال در سال 1402
مشخصات نویسندگان مقاله:

مریم افخمی - دانشجو کارشناسی ارشد دانشگاه سجاد
امین نوری - عضو هیات علمی دانشگاه سجاد

خلاصه مقاله:
طراحی یک استراتژی کنترل هوشمند برای تعیین رژیم درمانی دارویی برای بیماران مبتلا به لوسمی می تواند در درمان این بیماری بسیار مهم باشد. استفاده از الگوریتم های هوش مصنوعی می تواند به پزشکان کمک کند تا به طور دقیق تر و اثربخش تر دوز مناسب دارو را تعیین کنند. در این مقاله، از الگوریتم های یادگیری تقویتی پیوسته برای بهینه سازی دوز داروی بیماران مبتلا به لوسمی استفاده شده است. برای این منظور سه روش DQN، DDPG وPPO مورد بررسی قرار گرفته است و نتایج آنها با هم مقایسه شده اند که این امر می تواند به بهبود و بهینه سازی در تعیین رژیم درمانی دارویی برای بیماران CML و حتی سایر بیماری های مشابه کمک کند.

کلمات کلیدی:
بیماری لوسمی، رژیم درمانی، هوش مصنوعی، بهینه سازی دوز دارو

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1948237/