[صفحه اصلی ]    
بخش‌های اصلی
درباره دانشکده::
مدیریت دانشکده::
اعضای هیات علمی ::
معرفی افراد::
امور آموزش::
امور فرهنگی::
امور پژوهشی::
اخبار و رویدادها::
فضاهای آموزشی و تحقیقاتی ::
تسهیلات پایگاه::
تماس با ما::
::
ورود به سایت دروس
دانشجویان روزانه و پردیس
دانشجویان مرکز آموزش الکترونیکی
..
اطلاعیه ها
 اطلاعیه های آموزشی
..
فراخوان ها
فراخوان های همکاری با صنعت و سازمان ها
..
دفاعیه‌ها

دفاعیه های دکتری

۱۴۰۱/۸/۲۲ - زهرا جلالیان
۱۴۰۱/۸/۲۱ - بشری پیشگو


دفاعیه های کارشناسی ارشد

..
جستجو در پایگاه

جستجوی پیشرفته
..
دریافت اطلاعات پایگاه
نشانی پست الکترونیک خود را برای دریافت اطلاعات و اخبار پایگاه، در کادر زیر وارد کنید.
..
:: مریم صباحی ::
 | تاریخ ارسال: 1401/6/19 | 

ارائه­ دهنده:
مریم صباحی


 استاد راهنما:
دکتر
حسین رحمانی

هیات داوری: 
دکتر
حسن نادری
دکتر محمود نشاطی

زمان:
 ۱۴۰۱/۰۶/۲۰

ساعت ۱۶:۰۰
 

دانشجو مریم صباحی دانشجوی کارشناسی ارشد آقای دکتر حسین رحمانی روز یکشنبه مورخ  ۲۰ شهریور ماه ساعت ۱۶:۰۰ از پروژه کارشناسی ارشد خود تحت عنوان "پیش‌بینی اثرات جانبی داروها با استفاده از روش‌های مبتنی بر شبکه‌های عصبیدفاع خواهند نمود

چکیده پایان نامه:
دارو‌ها به هدف درمان بیماری ساخته ‌می‌شوند، با این حال بیشتر آن‌ها هنگام درمان بیماری ممکن است اثرات منفی تحت عنوان عوارض جانبی داشته‌ باشند. تشخیص اثرات جانبی دارو‌ها همواره فرآیندی زمان‌بر و پر‌هزینه‌ بوده‌است. به طور مثال برآورد می‌شود که فرایند تولید دارو، از شناسایی هدف تا استفاده بالینی، می‌تواند تا ۱۴ سال و هزینه ۸۰۰ میلیون دلار طول بکشد. رویکرد‌های متعارف برای پیش‌بینی اثرات جانبی در طی فرایند تولید دارو سنجش‌های آزمایشگاهی و حیوانی است. با این حال امکان تشخیص تمام عوارض جانبی در محیط آزمایشگاهی وجود ندارد و این اثرات جانبی کشف نشده می‌توانند ضرر‌های بسیاری برای بیمار و همچنین شرکت تولید‌کننده‌ی دارو داشته‌باشند. به‌طور مثال در آمریکا تخمین زده می‌شود که عوارض جانبی چهارمین عامل اصلی مرگ‌و‌میر باشند و همچنین عامل یک سوم از عدم موفقیت دارو‌ها در طی فرایند تولید، اثرات جانبی دارو شناخته شده‌است. با توجه به نکات گفته‌شده کارامد‌تر است که در آغاز فرآیند‌ تولید دارو، با بیشترین دقت ممکن اثرات جانبی آن محاسبه و سنجیده شود. در نتیجه مطالعه در رابطه با اثرات جانبی دارو‌ها و پیش‌بینی آن‌ها از اهمیت بالایی برخور‌دار است.
در این پایان‌نامه ما به مسئله پیش‌بینی اثرات جانبی از دو منظر مختلف نگاه کردیم. در روش اول مسئله به صورت یک مسئله رده‌بند چند-برچسبی تعریف شد و یک روش مبتنی بر رده‌بند‌های ترکیبی ارائه دادیم. همچنین به منظور بهبود نتایج از خودرمزگذارها برای کاهش بعد ویژگی‌های دارویی استفاده کردیم. در روش دوم مسئله به عنوان پیش‌بینی برچسب در گراف عنوان شد و روشی مبتنی بر شبکه‌های عصبی گرافی ارائه دادیم. به این منظور گراف شباهت دارو-دارو را ساخته و در رابطه با معیارهای شباهت دارویی بحث کردیم. با توجه به معیار AUC روش اول و دوم ما در مقایسه با روش‌های پیشین به ترتیب ۲ و ۵ درصد بهبود داشته‌اند.

واژه‌های کلیدی: عوارض جانبی، یادگیری‌عمیق، شبکه‌های عصبی عمیق، شبکه‌های عصبی گرافی، یادگیری‌ماشین، پیش‌بینی اثرات جانبی

 


دانشکده مهندسی کامپیوتر مدیریت تحصیلات تکمیلی

 



 

 
دفعات مشاهده: 319 بار   |   دفعات چاپ: 24 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر
سایر مطالب این بخش سایر مطالب این بخش نسخه قابل چاپ نسخه قابل چاپ ارسال به دوستان ارسال به دوستان
Persian site map - English site map - Created in 0.11 seconds with 55 queries by YEKTAWEB 4514