@ARTICLE{Soleimanjahi, author = {Kenarkoohi, Azra and soleimanjahi, hoorieh and Falahi, Shahab and Riahi Madvar, Hossein and Meshkat, Zahra and }, title = {The application of the new intelligent Adaptive Nero Fuzzy Inference System (ANFIS) in prediction of human papilloma virus oncogenicity potency}, volume = {13}, number = {4}, abstract ={زمینه و هدف: ویروس های پاپیلوما بر اساس قدرت و پیش آگهی سرطان‎های ایجاد شده توسط آنها با استفاده از پروتئین‎های ویروسی E6 وE7 به سه گروه با خطر بالا، پایین و متوسط تقسیم‎بندی می‎گردند. امروزه از روش‎های مختلف مدل سازی در پزشکی بالینی، در تشخیص بیماری‎ها و بررسی ویژگی‎های مولکولی آنها استفاده می‎شود. در میان روش‎های نوین مدل‎سازی، سیستم‎های فازی از جایگاه ویژه‎ای در زمینه‎های مختلف علوم برخوردارند. هدف از این مطالعه به کارگیری یک مدل هوشمند ریاضی برای پیش بینی قدرت سرطانزایی ویروس پاپیلومای انسانی بر اساس تعدادی از ویژگی‎های بیوشیمیایی پروتئین E7 می باشد. مواد و روش‎ها: در این تحقیق با استفاده از سیستم استنتاج فازی - عصبی تطابقی(ANFIS) روش جدیدی جهت تخمین میزان سرطان‎زایی ویروس‎های پاپیلومای جدا شده از بیماران ارائه شده است. فرآیند توسعه و ارزیابی مدل با استفاده از مجموعه داده‎های واقعی و معیارهای آماری و گرافیکی مختلفی صورت گرفته است. بدین منظور با تهیه داده‎های بیوشیمیایی و بیوفیزیکی مورد نیاز در مورد ژنE7 از اطلاعات موجود، اقدام به ایجاد مدل مورد نظر شد. در مرحله بعد نتایج حاصل از مدل با داده‎های واقعی اعتبار یابی شد. یافته‎ها: طبق نتایج تحقیق، مدل ایجاد شده قادر به پیش بینی موفقیت آمیز سرطان‎زایی پاپیلوما ویروس‎ها است. مقادیر RMSE و R2 مربوط به مدل در مرحله آموزش به ترتیب برابر 18/101 و99/0 و در مرحله ارزیابی 8/173و 94/0 به دست آمد. نتیجه گیری: طبق نتایج به دست آمده، استفاده از مدل تطبیقی استنتاج فازی – عصبی، دقت تخمین شدت پدیده سرطان زایی ویروس را به میزان قابل توجهی بهبود می‎بخشد. روش ارائه شده در این تحقیق رهیافت جدیدی در تخمین سرطان زایی محسوب شده و به خوبی قابلیت اتصال و ترکیب با مدل‎های بالینی و نیز بهنگام سازی با توجه به شرایط واقعی را دارد. }, URL = {http://jams.arakmu.ac.ir/article-1-566-fa.html}, eprint = {http://jams.arakmu.ac.ir/article-1-566-fa.pdf}, journal = {Journal of Arak University of Medical Sciences}, doi = {}, year = {2011} }