There are a number of research work

There are a number of research works in literature focused on cancer diagnoses using various approaches, such as statistical methods, clustering techniques, decision trees, neural networks, and neural fuzzy inference systems. Valerio et al. [7] used 2-test to identify unique protein peaks in pancreatic cancer diagnoses. Lee [8] applied ANOVA to select gene markers in ovarian cancer diagnoses. Generally speaking, statistical approach identifies important features and usually requires other methods or doctor expertise to perform actual cancer diagnoses. Petricoin et al. [9] proposed a self-organizing clustering technique to separate patients with or without prostate cancer. Poon et al. [10] applied a two-way hierarchical clustering algorithm to differentiate hepatocellular carcinoma from chronic liver disease. Generally speaking, classifications based on the clustering results are conceptually equivalent to similarity-based diagnoses, which do not provide concrete decisive statements. Adam et al. [11] developed a classification decision tree to identify better biomarkers for early detection of prostate cancer. Qu et al. [12] further improved the results on the same prostate cancer data set using boosted decision trees. Decision trees are commonly known as comprehensive inference tools, which employ crisp decision rules and perform feature selections. However, decision trees are sensitive to noisy inputs and the boosted decision trees are difficult to interpret although they increase diagnostic accuracies. Ball et al. [13] proposed a three-layered neural network, which employs back propagation learning to analyze mass spectra for the prediction of astroglial tumor grades. Tsai et al. [14] used t-test to cull most of unconcerned genes and then applied the selected oncogenes to a three-layered neural network for ovarian cancer diagnoses. lthough neural networks are accurate prediction tools, most of them function as black boxes [15] because users cannot make senses of the reasoning processes. Neural fuzzy inference system (or fuzzy neural network) combines the learning capabilities of neural networks and the transparent properties of fuzzy systems together by performing respective fuzzy or non-fuzzy operations in each layer of the network. Tan et al. [16] proposed neural fuzzy inference systems, which are inspired by the hippocampus and neocortex memory structures to diagnose ovarian cancer. When benchmarked against other models, their experimental results illustrated clear advantages of the proposed neural fuzzy inference systems that achieved higher accuracies and employed smaller number of interpretable fuzzy rules. Tung et al. [17] first used the Monte Carlo evaluative selection method [18] to select important features and subsequently trained the proposed neural fuzzy inference system for ovarian cancer diagnoses. However, their experimental results did not show superior performances even with feature selection applied. In recent years, there were studies focusing on obtaining highly compact fuzzy inference rules [19,20]. The models were able to derive extraordinarily small numbers of rules through the systematic pruning process from both established medical data sets and real-world disease diagnoses. Furthermore, the hybridization of multiple techniques combines the advantages of each individual and alleviates certain limitations. Therefore, hybrid intelligent systems receive increasing attentions in the past few years. For example, evolutionary algorithms are often combined with other techniques to solve optimization problems [21,22] and to find optimal parameters [23]. A recent comparative study is reported in [24]. In this paper, we propose a novel neural fuzzy inference system, which self-organizes its network structure and performs feature selection and attribute reduction during training. Therefore, simple yet convincing fuzzy inference rules are systematically derived to diagnose both established medical data sets and real-world ovarian cancer cases collected from hospital for stage identifications.

ผลลัพธ์ (ไทย) 2:

มีจำนวนของผลงานวิจัยในวรรณคดีมุ่งเน้นไปที่การวินิจฉัยโรคมะเร็งโดยใช้วิธีการต่างๆเช่นวิธีการทางสถิติเทคนิคการจัดกลุ่มการตัดสินใจต้นไม้เครือข่ายประสาทและระบบประสาทอนุมานฟัซซี Valerio et al, [7] 2 ใช้การทดสอบที่จะระบุยอดโปรตีนที่ไม่ซ้ำกันในการวินิจฉัยโรคมะเร็งตับอ่อน ลี [8] นำไปใช้วิเคราะห์เพื่อเลือกยีนเครื่องหมายในการวินิจฉัยโรคมะเร็งรังไข่ โดยทั่วไปวิธีการทางสถิติระบุคุณสมบัติที่สำคัญสายเอและมักจะต้องใช้วิธีการอื่น ๆ หรือความเชี่ยวชาญของแพทย์ที่จะดำเนินการวินิจฉัยโรคมะเร็งที่เกิดขึ้นจริง Petricoin et al, [9] เสนอเทคนิคการจัดกลุ่มการจัดระเบียบตัวเองที่จะแยกผู้ป่วยที่มีหรือไม่มีมะเร็งต่อมลูกหมาก พูน et al, [10] ใช้อัลกอริทึมการจัดกลุ่มตามลำดับชั้นสองทางที่จะแยกความแตกต่างจากมะเร็งตับโรคตับเรื้อรัง โดยทั่วไปไพเพอร์จัดประเภทขึ้นอยู่กับผลการจัดกลุ่มที่มีแนวคิดที่จะเทียบเท่าการวินิจฉัยความคล้ายคลึงกันตามที่ไม่ได้ให้งบเด็ดขาดคอนกรีต อดัมและอัล [11] การพัฒนาไอออนจัดประเภทต้นไม้ตัดสินใจในการระบุบ่งชี้ทางชีวภาพที่ดีกว่าสำหรับการตรวจหามะเร็งต่อมลูกหมาก Qu et al, [12] ต่อผลที่ดีขึ้นอยู่กับข้อมูลที่มะเร็งต่อมลูกหมากเดียวกันตั้งค่าการใช้เพิ่มขึ้นต้นไม้ตัดสินใจ ต้นไม้ตัดสินใจเป็นที่รู้จักกันทั่วไปว่าเป็นเครื่องมือในการอนุมานที่ครอบคลุมซึ่งจ้างหลักเกณฑ์ในการตัดสินใจที่คมชัดและดำเนินการเลือกคุณลักษณะ แต่ต้นไม้ตัดสินใจมีความอ่อนไหวต่อปัจจัยการผลิตที่มีเสียงดังและต้นไม้ตัดสินใจเพิ่มขึ้นจะ dif ศาสนาสายการตีความแม้ว่าพวกเขาจะเพิ่มความถูกต้องวินิจฉัย บอล et al, [13] เสนอเครือข่ายประสาทสามชั้นซึ่งมีพนักงานกลับมาเรียนรู้การบริหารจัดการในการวิเคราะห์สเปกตรัมมวลการทำนายเกรดเนื้องอก astroglial ไจ่ et al, [14] ใช้ t-test เพื่อเฟ้นหาที่สุดของยีนที่สนใจแล้วนำไปใช้ oncogenes ที่เลือกไปยังเครือข่ายประสาทสามชั้นสำหรับการวินิจฉัยโรคมะเร็งรังไข่ เครือข่ายประสาท lthough เป็นเครื่องมือที่มีการคาดการณ์ที่ถูกต้องที่สุดของพวกเขาทำหน้าที่เป็นกล่องสีดำ [15] เนื่องจากผู้ใช้ไม่สามารถทำให้ความรู้สึกของกระบวนการเหตุผล ระบบประสาทอนุมานฟัซซี (หรือเครือข่ายประสาทเลือน) รวมความสามารถในการเรียนรู้ของเครือข่ายประสาทและคุณสมบัติของความโปร่งใสของระบบการเลือนกันโดยการดำเนินการเลือนหรือไม่เลือนที่เกี่ยวข้องในแต่ละชั้นของเครือข่าย Tan et al, [16] เสนอระบบประสาทอนุมานฟัซซีซึ่งได้รับแรงบันดาลใจจาก hippocampus และโครงสร้างหน่วยความจำเทกซ์เพื่อวินิจฉัยโรคมะเร็งรังไข่ เมื่อเทียบกับรุ่นอื่น ๆ ผลการทดลองของพวกเขาแสดงให้เห็นถึงข้อได้เปรียบที่ชัดเจนของระบบอนุมานฟัซซีเสนอประสาทที่ประสบความสำเร็จในความถูกต้องที่สูงขึ้นและการจ้างงานจำนวนน้อยของกฎเลือน interpretable ตุง et al, [17] สายแรกที่ใช้ Monte Carlo ประเมินวิธีการเลือก [18] เพื่อเลือกคุณสมบัติที่สำคัญและต่อมาได้รับการฝึกฝนระบบอนุมานฟัซซีเสนอประสาทสำหรับการวินิจฉัยโรคมะเร็งรังไข่ อย่างไรก็ตามผลการทดลองของพวกเขาไม่ได้แสดงการแสดงที่เหนือกว่าแม้จะมีการเลือกคุณลักษณะที่นำไปใช้ ในปีที่ผ่านมามีการศึกษามุ่งเน้นไปที่การได้รับขนาดกะทัดรัดสูงกฎอนุมานฟัซซี [19,20] รุ่นที่มีความสามารถที่จะได้รับตัวเลขขนาดเล็กพิเศษของกฎผ่านกระบวนการตัดแต่งกิ่งเป็นระบบที่จัดตั้งขึ้นทั้งจากชุดข้อมูลทางการแพทย์และการเกิดโรคที่แท้จริงของโลกการวินิจฉัย นอกจากนี้การผสมพันธุ์ของเทคนิคหลายรวมข้อดีของแต่ละบุคคลและบรรเทาข้อ จำกัด บางอย่าง ดังนั้นระบบอัจฉริยะไฮบริดได้รับความสนใจเพิ่มมากขึ้นในช่วงไม่กี่ปีที่ผ่านมา ยกตัวอย่างเช่นขั้นตอนวิธีวิวัฒนาการมักจะรวมกับเทคนิคอื่น ๆ ในการแก้ปัญหาการเพิ่มประสิทธิภาพ [21,22] และ fi พารามิเตอร์ที่ดีที่สุดครั้ง [23] การศึกษาเปรียบเทียบที่ผ่านมามีรายงานใน [24] ในบทความนี้เรานำเสนอนวนิยายประสาทระบบอนุมานฟัซซีซึ่งตนเองจัดโครงสร้างเครือข่ายและดำเนินการเลือกคุณลักษณะและการลดแอตทริบิวต์ระหว่างการฝึกอบรม ดังนั้นการที่เรียบง่าย แต่เชื่อกฎอนุมานฟัซซีที่ได้รับการวินิจฉัยอย่างเป็นระบบทั้งการจัดตั้งชุดข้อมูลทางการแพทย์และโลกแห่งความจริงผู้ป่วยโรคมะเร็งรังไข่ที่เก็บรวบรวมจากโรงพยาบาลสำหรับขั้นตอนระบุไพเพอร์ไฟ

ผลลัพธ์ (ไทย) 3:

มีจำนวนของงานวิจัยในวรรณกรรมเน้นมะเร็งวินิจฉัยโดยใช้วิธีต่าง ๆเช่น วิธีการทางสถิติ สำหรับเทคนิคต้นไม้ตัดสินใจ โครงข่ายประสาท และระบบอนุมานฟัซซีนิวร . Valerio et al . [ 7 ] ใช้ 2-test ระบุเฉพาะโปรตีนยอดในการวินิจฉัยมะเร็งตับ ลี [ 8 ] ใช้ ANOVA เพื่อเลือกยีนเครื่องหมายในมะเร็งรังไข่ โรคพูดโดยทั่วไป , วิธีการทางสถิติจึง identi ES คุณสมบัติที่สําคัญและมักจะต้องใช้วิธีการอื่น ๆหรือความเชี่ยวชาญหมอเตรียมวินิจฉัยมะเร็งที่เกิดขึ้นจริง petricoin et al . [ 9 ] เสนอการจัดกลุ่มบนเทคนิคแยกผู้ป่วยที่มีหรือไม่มีมะเร็งต่อมลูกหมาก พูน et al .ขั้นตอนวิธีการจัดกลุ่มลำดับชั้นสองทางแยกมะเร็งตับจากโรคตับเรื้อรังใช้ [ 10 ] กล่าวโดยทั่วไป จึงทำให้ classi ตามการจัดกลุ่มผลลัพธ์ที่เทียบเท่ากับการใช้แนวคิดคล้ายคลึงกัน ซึ่งไม่ได้ให้คอนกรีตเด็ดขาดข้อความ อดัม et al .[ 11 ] พัฒนา classi จึงตัดสินใจหาใหม่ดีกว่าต้นไม้ การตรวจหามะเร็งต่อมลูกหมากแต่เช้า ค้นหา et al . [ 12 ] เพิ่มเติมปรับปรุงผลลัพธ์เดียวกัน มะเร็งต่อมลูกหมากชุดข้อมูลใช้ประกอบการการตัดสินใจต้นไม้ . ต้นไม้การตัดสินใจเป็นที่รู้จักกันทั่วไปเป็นเครื่องมืออ้างอิงที่ครอบคลุมซึ่งใช้กฎการตัดสินใจกรอบและการเลือกคุณลักษณะ อย่างไรก็ตามต้นไม้มีความไวต่อปัจจัยการตัดสินใจและการตัดสินใจเพิ่มขึ้นต้นไม้เสียงดังจะแยกศาสนาจึงตีความแม้ว่าพวกเขาเพิ่มความถูกต้องในการวินิจฉัย . บอล et al . [ 13 ] เสนอ 3 ชั้นโครงข่ายประสาทเทียมชนิดแพร่กลับการเรียนรู้ซึ่งใช้วิเคราะห์มวลสเปกตรัม เพื่อทำนาย astroglial เนื้องอกเกรด ไซ et al .[ 14 ] ใช้ค่าที ( t-test ) เพื่อเฟ้นหาที่สุดของความไม่สนใจและยีนจึงไปเลือกงโคยีนกับสามชั้นโครงข่ายประสาทเทียมเพื่อวินิจฉัยโรคมะเร็งรังไข่ . ถึงแม้ว่าโครงข่ายประสาทเทียมเป็นเครื่องมือการทำนายที่ถูกต้อง ส่วนใหญ่ของพวกเขาทำงานเป็นกล่องสีดำ [ 15 ] เนื่องจากผู้ใช้ไม่สามารถให้ความรู้สึกของกระบวนการให้เหตุผลระบบอนุมานฟัซซีนิวร ( หรือเครือข่ายประสาทฟัซซี่ ) รวมความสามารถในการเรียนรู้ของโครงข่ายประสาทเทียมและโปร่งใส คุณสมบัติของระบบฟัซซี่ด้วยกัน โดยแสดงตนไม่เลือนเลือนหรือการดำเนินการในแต่ละชั้นของเครือข่าย ตาล et al . [ 16 ] เสนอระบบอนุมานฟัซซี่ของระบบประสาท ,ซึ่งมีแรงบันดาลใจจากโครงสร้างหน่วยความจำส่วน neocortex เพื่อวินิจฉัยโรคมะเร็งรังไข่ เมื่อเทียบกับรุ่นอื่น ๆของพวกเขา ผลการทดลองแสดงประโยชน์ที่ชัดเจนของการอนุมานฟัซซีนิวรเสนอระบบที่ประสบความสำเร็จและความถูกต้องสูงใช้ขนาดเล็กจำนวนของกฎฟัซซี interpretable . ตุง et al .[ 17 ] จึงตัดสินใจเดินทางไปใช้เพื่อการเลือกวิธีมอนติคาร์โล [ 18 ] เพื่อเลือกคุณสมบัติที่สำคัญและต่อมาได้รับการเสนอระบบประสาทฟัซซี่สำหรับมะเร็งรังไข่ โรค อย่างไรก็ตาม จากผลการทดลองของพวกเขาไม่ได้แสดงสมรรถนะที่เหนือกว่าด้วยการเลือกคุณลักษณะที่ใช้ ใน ปี ล่าสุดมีการศึกษาที่เน้นการกระชับการอนุมานกฎฟัซซีสูง [ 19,20 ] รุ่นที่สามารถสืบทอดโคตรเล็กตัวเลขของกฎผ่านกระบวนการตัดแต่งอย่างเป็นระบบ ทั้งจากข้อมูลทางการแพทย์และการวินิจฉัยโรค สร้างชุดจริง . นอกจากนี้ที่ผสมผสานเทคนิคหลาย ๆ รวมข้อดีของแต่ละบุคคลและ alleviates ข้อจำกัดบางอย่าง ดังนั้น ระบบไฮบริดได้รับความสนใจเพิ่มขึ้นในไม่กี่ปีที่ผ่านมา ตัวอย่างเช่น คนแรกของหัวใจ คนสุดท้ายของชีวิตมักจะรวมกับเทคนิคอื่น ๆเพื่อแก้ไขปัญหา 21,22 ] [ เพิ่มประสิทธิภาพและจึงเหมาะสมพารามิเตอร์ [ 23 ครั้ง ]ล่าสุดมีรายงานว่า ในการเปรียบเทียบ [ 24 ] ในกระดาษนี้เราเสนอนวนิยายประสาทฟัซซี่เชิงระบบ ซึ่งตนเองจัดโครงสร้างเครือข่ายและการเลือกคุณลักษณะและคุณสมบัติในการฝึก ดังนั้นที่เรียบง่าย แต่ให้เลือนการอนุมานกฎการวินิจฉัยอย่างเป็นระบบได้มาทั้งชุด และสร้างข้อมูลแพทย์ - ผู้ป่วยมะเร็งรังไข่ที่รวบรวมจากโรงพยาบาล identi เวทีจึงทำให้ .