CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

مقایسه تکنیکهای پیشبینیداده کاوی در تشخیصسرطان سینه

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۲۵۷ | نظرات: ۰
سال انتشار: ۱۳۹۲
نوع ارائه: شفاهی
کد COI مقاله: ELECOM01_068
زبان مقاله: فارسی
حجم فایل: ۴۱۷.۲ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مقایسه تکنیکهای پیشبینیداده کاوی در تشخیصسرطان سینه

  میثم قاسم پور - دانشجوی کارشناسی ارشد کامپیوتر، دانشگاه آزاد اسلامی واحد یزد
  دکتر علی محمد لطیف - استادیار، دانشگاه یزد

چکیده مقاله:

تشخیص بیماری یکی از موارد مهم در علم پزشکی می باشد و یکی از کاربرد های مهم داده کاوی،مربوط به تشخیص بیماری ها در علم پزشکی می باشد.در این مقاله با استفاده از الگوریتم های پیشبینی داده کاوی همچون C5.0،CART وشبکه عصبی جمعی به مساله تشخیصو پیشبینی سرطان سینه می پردازیم.مجموعه داده مورد استفاده دارای 699 رکورد مربوط به بانک اطلاعاتی بیماران سرطان سینه موجود در انبارداده ی یادگیری ماشین دانشگاه ایروین،کالیفرنیا آمریکا است و شامل ریسکفاکتورهای ضخامت انبوه، یکنواختی اندازه سلول، یکنواختی شکل سلول، چسبندگی لبه ها، حجم سلول بافت اپیتلیال، هسته های عریان، کروماتین بلاند، هسته عادی و تقسیم هسته سلول به دوقسمت می باشد.. مدلهای تولید شده در این تحقیق با استفاده از آنالیز منحنی Roc مقایسه و با نرم افزارهای داده کاوی RapidMiner نسخه 5.5 و و کلمنتاین 12.0 مورد یررسی و مقایسه قرار دادیم که بهترین مدل در شبکه عصبی جمعی و با سطح زیر منحنی 961% انتخاب گردید. مدل نهایی دارای دقت 96/67% است.

کلیدواژه‌ها:

بیماری سرطان سینه، شبکه های عصبی، شبکه عصبی جمعی BreastCancer،RapidMiner

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ELECOM01-ELECOM01_068.html
کد COI مقاله: ELECOM01_068

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
قاسم پور, میثم و دکتر علی محمد لطیف، ۱۳۹۲، مقایسه تکنیکهای پیشبینیداده کاوی در تشخیصسرطان سینه، اولین همایش منطقه ای بهینه سازی و روشهای محاسبه نرم در مهندسی برق و کامپیوتر، صفاشهر، دانشگاه آزاد اسلامی واحد صفاشهر، https://www.civilica.com/Paper-ELECOM01-ELECOM01_068.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (قاسم پور, میثم و دکتر علی محمد لطیف، ۱۳۹۲)
برای بار دوم به بعد: (قاسم پور و لطیف، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • http ://www. bc action _ org/Pag e S /GetIn formed/Top ...
  • Media Centre for World Health Organization. Fact sheet No. 297: ...
  • Zhaohui L, Xiaoming W, Shengwen G, Binggang Y. Diagnosis of ...
  • Litigate J. Predictive models for breast cancer susceptibility from multiple ...
  • Anderson WF, Pfeiffer RM, Dores GM, Sherman ME. Comparison of ...
  • Mangasarian O, Nick Street W, Wolberg W.Breast cancer diagnosis and ...
  • American College of Radiology (ACR) Breast Imaging Reporting and Data ...
  • Lawrence D Handbook of genetic algorithms, 1991; Chapman and Hall, ...
  • D. E. Rumelhart, G. E. Hinton, and R. J. Williams, ...
  • B. Widrow and R. Winter, "Neural nets for adaptive filtering ...
  • T. Schneider and E. Stoll, "Molecular- dynamics study of a ...
  • Bootstrap برای مدلسازی با شبکه های عصبی در تحقیق حاضر ...
  • M.tari, b.minaei, Prediction of Students' Educational Status Using CART Algorithm, ...
  • E. Alpaydin, " Introduction to Machine Learning", The MIT Pres ...
  • Quinlan, J. R. "C5.0: Programs for machine learning". Morgan Kaufman ...
  • Fawcett T. (2006) _ introduction to ROC analysis'. Pattern Recognition ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: ۶۵۷۷
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • علوم پزشکی > سرطان
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.