ترجمه فارسی مقاله یادگیری متا در پروفایل بیان ژن تقویت شده برای افزایش سرطان ریه

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Meta-Learning on Augmented Gene Expression Profiles for Enhanced Lung Cancer Detection
عنوان مقاله به فارسی یادگیری متا در پروفایل بیان ژن تقویت شده برای افزایش سرطان ریه
نویسندگان Arya Hadizadeh Moghaddam, Mohsen Nayebi Kerdabadi, Cuncong Zhong, Zijun Yao
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Genomics,یادگیری ماشین , هوش مصنوعی , ژنومیک ,
توضیحات Submitted 18 August, 2024; originally announced August 2024. , Comments: Accepted to AMIA 2024 Annual Symposium
توضیحات به فارسی ارائه شده در 18 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: پذیرفته شده در سمپوزیوم سالانه AMIA 2024
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Gene expression profiles obtained through DNA microarray have proven successful in providing critical information for cancer detection classifiers. However, the limited number of samples in these datasets poses a challenge to employ complex methodologies such as deep neural networks for sophisticated analysis. To address this "small data" dilemma, Meta-Learning has been introduced as a solution to enhance the optimization of machine learning models by utilizing similar datasets, thereby facilitating a quicker adaptation to target datasets without the requirement of sufficient samples. In this study, we present a meta-learning-based approach for predicting lung cancer from gene expression profiles. We apply this framework to well-established deep learning methodologies and employ four distinct datasets for the meta-learning tasks, where one as the target dataset and the rest as source datasets. Our approach is evaluated against both traditional and deep learning methodologies, and the results show the superior performance of meta-learning on augmented source data compared to the baselines trained on single datasets. Moreover, we conduct the comparative analysis between meta-learning and transfer learning methodologies to highlight the efficiency of the proposed approach in addressing the challenges associated with limited sample sizes. Finally, we incorporate the explainability study to illustrate the distinctiveness of decisions made by meta-learning.

چکیده به فارسی (ترجمه ماشینی)

پروفایل های بیان ژن به دست آمده از طریق ریزآرایی DNA در ارائه اطلاعات مهم برای طبقه بندی کننده های تشخیص سرطان موفق بوده اند.با این حال ، تعداد محدودی از نمونه ها در این مجموعه داده ها برای استفاده از روشهای پیچیده مانند شبکه های عصبی عمیق برای تجزیه و تحلیل پیشرفته ، چالش ایجاد می کند.برای پرداختن به این معضل "داده های کوچک" ، یادگیری متا به عنوان راه حلی برای تقویت بهینه سازی مدل های یادگیری ماشین با استفاده از مجموعه داده های مشابه معرفی شده است ، از این طریق تطبیق سریعتر با مجموعه داده های هدف بدون نیاز به نمونه های کافی را تسهیل می کند.در این مطالعه ، ما یک روش مبتنی بر یادگیری متا برای پیش بینی سرطان ریه از پروفایل بیان ژن ارائه می دهیم.ما این چارچوب را برای روشهای یادگیری عمیق به خوبی تثبیت می کنیم و از چهار مجموعه داده مجزا برای کارهای یادگیری متا استفاده می کنیم ، جایی که یکی به عنوان مجموعه داده هدف و بقیه به عنوان مجموعه داده های منبع.رویکرد ما در برابر هر دو روش یادگیری سنتی و عمیق ارزیابی می شود ، و نتایج نشان می دهد عملکرد برتر یادگیری متا در داده های منبع تقویت شده در مقایسه با پایه های آموزش داده شده در مجموعه داده های منفرد.علاوه بر این ، ما تجزیه و تحلیل مقایسه ای بین روشهای یادگیری متا و انتقال را انجام می دهیم تا کارایی رویکرد پیشنهادی در پرداختن به چالش های مرتبط با اندازه نمونه محدود را برجسته کنیم.سرانجام ، ما مطالعه توضیح را برای نشان دادن تمایز تصمیمات گرفته شده توسط متا یادگیری گنجانیده ایم.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.