A survey on computational intelligence approaches for predictive modeling in prostate cancer

مدل سازی پیش بینی شده در پزشکی شامل توسعه مدل های محاسباتی می شود که قادر به تجزیه و تحلیل داده های بزرگی هستند تا پیش بینی نتایج مراقبت های بهداشتی برای بیماران فردی. رویکردهای هوشمند محاسباتی مناسب هستند وقتی که داده هایی که باید مدل سازی شوند، برای تکنیک های آماری معمولی برای سرعت بخشیدن و کارآیی بسیار پیچیده هستند. این روش های پیشرفته مبتنی بر مدل های ریاضی است که مخصوصا برای مقابله با عدم قطعیت و عدم ابهام است که معمولا در مجموعه داده های بالینی و بیولوژیکی یافت می شود. این مقاله بررسی کار اخیر در رویکردهای هوش محاسباتی که برای مدل پیش بینی پیشگیری از سرطان پروستات استفاده شده است، و چالش هایی را که باید مورد توجه قرار گیرد، مورد توجه قرار می دهد. به طور خاص، این مقاله تعریف گسترده ای از هوش محاسباتی را که شامل الگوریتم های بهینه سازی فراشناختی (همچنین به عنوان الگوریتم های الهام گرفته از طبیعت شناخته می شود)، شبکه های عصبی مصنوعی، درک عمیق، رویکردهای مبتنی بر فازی و هیبرید این و همچنین رویکردهای مبتنی بر بیزی، و مدل مارکف. رویکردهای بهینه سازی متهوریستی، از جمله بهینه سازی کلینیک مورچه، بهینه سازی ذرات ذرات و شبکه ایمنی مصنوعی برای بهینه سازی عملکرد مدل پیش بینی سرطان پروستات و مناسب بودن این رویکردها مورد بحث قرار گرفته است.