|
|
|
|
مقایسه کارایی روش‌های یادگیری تقویتی عمیق برای کنترل دوز داروی بیماران مبتلا به لوسمی
|
|
|
|
|
|
|
|
نویسنده
|
افخمی مریم ,نوری امین
|
|
منبع
|
بيستمين سمپوزيوم بين‌المللي هوش مصنوعي و پردازش سيگنال - 1402 - دوره : 20 - بیستمین سمپوزیوم بین‌المللی هوش مصنوعی و پردازش سیگنال - کد همایش: 02230-38445 - صفحه:0 -0
|
|
چکیده
|
طراحی یک استراتژی کنترل هوشمند برای تعیین رژیم درمانی دارویی برای بیماران مبتلا به لوسمی می‌تواند در درمان این بیماری بسیار مهم باشد. استفاده از الگوریتم‌های هوش مصنوعی می‌تواند به پزشکان کمک کند تا به طور دقیق‌تر و اثربخش‌تر دوز مناسب دارو را تعیین کنند. در این مقاله، از الگوریتم‌های یادگیری تقویتی پیوسته برای بهینه‌سازی دوز داروی بیماران مبتلا به لوسمی استفاده شده است. برای این‌منظور سه روش dqn، ddpg وppo مورد بررسی قرار گرفته است و نتایج آنها با هم مقایسه شده اند که این امر می‌تواند به بهبود و بهینه‌سازی در تعیین رژیم درمانی دارویی برای بیماران cml و حتی سایر بیماری‌های مشابه کمک کند.
|
|
کلیدواژه
|
بیماری لوسمی،رژیم درمانی،هوش مصنوعی،بهینه‌سازی دوز دارو
|
|
آدرس
|
, iran, , iran
|
|
پست الکترونیکی
|
amin.noori@sadjad.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
comparison of the efficiency of deep reinforcement learning methods to control the drug dosage of patients with leukemia
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|