مدلسازی بیماری سرطان پستان با استفاده از روشهای مبتنی بر داده‌کاوی
Authors
Abstract:
مقدمه: سرطان سینه رایج‌ترین شکل سرطان در زنان است. اهمیت تشخیص سرطان سینه به عنوان یکی از موضوعات مهم در علم پزشکی مطرح می‌شود. تشخیص خوش‌خیم یا بدخیم بودن سرطان علاوه بر کاهش هزینه‌ها در جهت‌گیری نوع درمان از اهمیت فوق‌العاده‌ای برخوردار است. هدف از این پژوهش ارائه مدل‌هایی بر اساس داده‌کاوی است که قابلیت پیش‌بینی بیماری سرطان سینه را داشته باشند. روش: این مطالعه از نوع توصیفی-تحلیلی می‌باشد. پایگاه داده آن شامل 683 رکورد مستقل شامل 9 متغیر موجود در پایگاه داده یادگیری ماشین UCI می‌باشد. در این مقاله، از شبکه‌های عصبی مصنوعی پرسپترون، بیزین و شبکه عصبی LVQ برای کلاس بندی سرطان سینه به دوکلاس خوش‌خیم و بدخیم استفاده شده است. از 80% داده‌ها جهت آموزش و از 20% باقی‌مانده جهت آزمون استفاده شد. نتایج: پس از پیش‌پردازش داده‌ها شبکه‌های عصبی متفاوت با معماری‌های مختلف مورد بررسی قرار گرفتند. در بهترین حالت خوش‌خیم یا بدخیم بودن سرطان را در شبکه‌های عصبی پرسپترون چند لایه و شبکه عصبی LVQ و بیزین با میانگین ده بار تست به ترتیب با دقت‌های 97/5% و 97/6% و 98/3% پیش‌بینی شد. بررسی‌های مطالعه نشان داد که شبکه عصبی بیزین در تشخیص بیماری موفق‌تر است. نتیجه گیری: سرطان پستان یکی از شایع‌ترین سرطان‌ها در بین زنان می‌باشد. تشخیص به موقع بیماری ضمن کاهش هزینه‌ها، شانس درمان موفقیت‌آمیز بیمار را افزایش می‌دهد. در این مطالعه ضمن تشخیص بیماری به کمک روشهای داده‌کاوی، توانست با استفاده از شبکه عصبی بیزین به دقت بالایی در تشخیص بیماری دست یابد.
similar resources
تشخیص سرطان پستان با استفاده از برآورد ناپارمتری چگالی احتمال مبتنی بر روشهای هسته‌ای
Introduction: Breast cancer is the most common cancer in women. An accurate and reliable system for early diagnosis of benign or malignant tumors seems necessary. We can design new methods using the results of FNA and data mining and machine learning techniques for early diagnosis of breast cancer which able to detection of breast cancer with high accuracy. Materials and Methods: In this study,...
full textمطالعه تغییرات در گلیکوزیلاسیون هاپتوگلوبین در سرطان تخمدان و سرطان پستان با استفاده از روشهای HPAE/PAD &LBA
Accompany with quantitative changes in concentration of acute protein there are qualitative alterations in the carbohydrate moiety (glycosylation) of these proteins in different disease. Haptoglobin (Hp) is one of the human acute phase proteins that undergoes glycosylation changes in disease. There is evidence that glycosylation of Hp changes in ovarian cancer, rheumatoid arthritis and liver ...
full textعوامل پیش آگهی دهنده بروز متاستاز و مرگ سرطان پستان با استفاده از مدل بیماری- مرگ
چکیده مقدمه: با توجه به شیوع سرطان پستان در میان زنان و اهمیت تاثیر عوامل پیش آگهی در بقای کلی بیماری، این مطالعه با هدف بررسی ارتباط عوامل پیش آگهی دهنده مرگ و متاستاز بیماری سرطان پستان اجرا گردید. روش بررسی: پرونده 518 بیمار مبتلا به سرطان پستان درمان شده در دو بیمارستان پارس و فیاض بخش در فاصله سال-های 1388-1385 به صورت گذشته‌نگر مورد بررسی قرار گرفت. بیماران از لحاظ آخرین وضعیت (فوت یا...
full textتشخیص سرطان پستان با استفاده از برآورد ناپارمتری چگالی احتمال مبتنی بر روش های هسته ای
مقدمه: سرطان پستان شایع ترین سرطان در میان زنان است و وجود یک سیستم دقیق و مطمئن برای تشخیص به موقع و خوش خیم بودن یا بدخیم بودن توده سرطان ضروری به نظر می رسد. با استفاده از نتایج سیتولوژی آسپیراسیون سوزنی و تکنیک های داده کاوی و یادگیری ماشین می توان روش های نوینی را برای شناسایی و تشخیص زود هنگام سرطان پستان ارائه کرد که با دقت بالایی قادر به تشخیص سرطان پستان باشند. روش کار: در این مطالعه ا...
full textMy Resources
Journal title
volume 4 issue 4
pages 266- 278
publication date 2018-03
By following a journal you will be notified via email when a new issue of this journal is published.
No Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023