کاوه کاووسی

کاوه کاووسی

مطالب
ترتیب بر اساس: جدیدترینپربازدیدترین

فیلترهای جستجو: فیلتری انتخاب نشده است.
نمایش ۱ تا ۳ مورد از کل ۳ مورد.
۱.

Enhancing Oncological Diagnosis by Single-Cell ATAC-seq Data for Internet of Medical Things(مقاله علمی وزارت علوم)

تعداد بازدید : ۱۱ تعداد دانلود : ۸
Early cancer detection is crucial for improving patient survival rates, as timely intervention greatly enhances treatment efficacy. One promising method for early detection is identifying cancerous cells through the detection of protein-level modifications, which serve as early indicators of malignancy. These protein modifications often result from complex biochemical processes that occurs before visible cellular abnormalities, making them critical targets for diagnostic technologies. In recent years, wireless biomedical sensors have advanced significantly, enabling precisely detecting these protein-level changes. These sensors have the potential to detect cancer at its earliest stages by monitoring the subtle alterations in protein structures and functions that distinguish healthy cells from cancerous ones. As the costs of genetic analysis continue to decrease, the development of Medical Internet of Things (MIoT) devices has become increasingly feasible. These devices are designed to perform real-time analyses of biological specimens—such as blood and urine—by detecting protein-level changes indicative of cancer. In this paper, a new machine learning method based on Extreme Randomized Trees (ERT) is developed to increase the speed of classification of cancerous cells based on single-cell Assay for Transposase-Accessible Chromatin using sequencing (ATAC-seq). The proposed method enhances the classification speed of the limited and noisy ATAC-seq data as it requires less computation to determine the best splits at each node of the decision trees. This method can significantly improve near real-time cancer risk assessment using samples collected by MIoT. Our proposed method achieves classification accuracy comparable to state of the art single-cell ATAC-seq data analysis techniques while reducing processing time by 259%, challenged by various low-data scenarios. This approach presents an efficient solution for rapid cancer monitoring within the MIoT framework.
۲.

طراحی معماری یک عامل هوشمند تطبیقی برای جستجوی اطلاعات تجاری با استفاده از تئوری ترکیب اطلاعات

کلیدواژه‌ها: عامل هوشمند ترکیب اطلاعات ترکیب مجموعه ها فراجویشگر

حوزه‌های تخصصی:
تعداد بازدید : ۱۲۳۷ تعداد دانلود : ۸۲۶
بی شک مساله بازیابی مناسب اطلاعات تجاری از اینترنت و سایر پایگاه های داده با مقیاس بزرگ و بسیار بزرگ از مهمترین مشکلات موجود بر سر راه استفاده ی بهینه از این منابع اطلاعاتی می باشد. دانشمندان علوم ارتباطی توسعه تجارت الکترونیکی را از یکسو مرتبط به گسترش قابلیت های فناوری اطلاعات و از سوی دیگر وابسته به کاهش هزینه های مترتب به استفاده از این فناوری می دانند. در حال حاضر سرویس های زیادی برای جستجوی وب موجود است. ولی هیچکدام از این ابزار ها آنقدر که مورد انتظار است مفید نیستند و عملا در بسیاری از موارد نتایج رضایت بخش نیستند. یکی از مهمترین عوامل این امر عدم برخورد تخصصی این ابزارها با اطلاعات است. بنابراین گرایش به سمت ابزارهای جستجوی تخصصی راه حل طبیعی این معضل می باشد. یکی از مهمترین عوامل در ایجاد اینگونه ابزارها وجود قابلیت یادگیری و اصلاح مدل رفتاری آنها در قبال موضوعات مختلف و به صورت تخصصی می باشد. در این مقاله راجع به یک عامل هوشمند بحث شده است که  با استفاده از تکنیک های ترکیب اطلاعات نقش یک فراجویشگر سفارشی در زمینه های تجاری را برای کاربر ایفاء می کند. در معماری این عامل از تکنیک های ترکیب اطلاعات و مکانیزم های اصلاح تطبیقی بهره گرفته شده است.

کلیدواژه‌های مرتبط

پدیدآورندگان همکار

تبلیغات

پالایش نتایج جستجو

تعداد نتایج در یک صفحه:

درجه علمی

مجله

سال

حوزه تخصصی

زبان