مروری بر روش های برتر شناسایی و تحلیل سرطان سینه به کمک داده کاوی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 753

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IRCEM01_183

تاریخ نمایه سازی: 25 آذر 1395

چکیده مقاله:

همواره شناسایی و علت یابی و تشخیص سرطان ها یکی از چالش های مهم برای تیم پزشکان و محققین بوده است. پزشکان با انجام دادن آزمایش ها وخطاهای بسیار در این زمینه به نتایج مثبت و منفی در این باره می رسند و به دلیل ناقص بودن اطلاعات، در صورتی که نتوانند به موقع سرطان را شناسایی و علت یابی کنند و تشخیص صحیحی بدهند، حتی گاهی منجر به قوت و از دست دادن بیمار می شود. اما امروزه به کمک علوم بیوانفورماتیک، امکان رفع این نقصان ها وجود دارد که با بهره گیری از اطلاعات پیشین ذخیره شده در پایگاه دادها تا حد بسیار زیادی ممکن شده است. داده ها با حجم های بسیار زیاد در پایگاه داده ها بصورت خودکار ذخیره می گرند و پردازش بر روی دسته انبوهی از داده ها انجام می شود. و نتیجه درست تر و کارامد تر ارایه می شود. در این مقاله هدف بدست آوردن روش های برتر برای کشف و شناسایی و تشخیص سرطان سینه است. روش بررسی: الگوریتم های داده کاوی بسیاری وجود دارند که روش هایی را ارائه می کنند. برای تشخیص و شناسایی سرطان و با ترکیب این الگوریتم ها می توان مدل بهینه ای را ارائه کرد و به نتیجه رسید. این الگوریتم ها شامل: شبکه های بیزی، بیزی ساده، شبکه های مصنوعی، درخت تصمیم گیری، ماشین های بردار پشتیبان ورگریسون لجستیک و روش های ترکیبی. یافته ها: در این مقاله الگوریتم ها و روش های برتر داده کاوی در این زمینه معرفی می گردد و برای هر مورد با ذکر مثال و نمونه گیری هایی که در تحقیقات پیشین انجام شده عنوان می گردد. نتیجه گیری: رسیدن به نتیجه مطلوب در این روش ها به فاکتورهای متعددی از قبیل اندازه پایگاه داده و تعداد متغیرها و داده های از دست رفته مربوط می شود و اینکه هرچه میزان داده های ذخیره شده بیشتر باشد و پایگاه داده حجیم تر باشد نتایج کامل و دقیق تری بدست می آید.

کلیدواژه ها:

الگوریتم های داده کاوی ، شبکه های مصنوعی ، درخت تصمیم گیری ، ماشین های بردار پشتیبان و سرطان سینه (پستان)

نویسندگان

فاطمه بینائی

دانشجوی دانشگاه آزاد اسلامی واحد ماهشهر

مرجان عبدیزدان

مدیرگروه دانشکده برق و کامپیوتر، دانشگاه آزاد اسلامی واحد ماهشهر

راحیل رجبی

دانشجوی دانشگاه علوم و تحقیقات بوشهر

مظاهر شکوه

دانشجوی دانشگاه آزاد اسلامی واحد بوشهر

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 :
  • Predicting overall survivability in comorbidity of cancers: A data mining ...
  • Missing data imputation on the 5-year survival prediction of breast ...
  • American Cancer Society. Breast Cancer Facts & Figures 2009-2010. Atlanta: ...
  • Artificial neural networks applied to survival prediction in breast cancer. ...
  • A combined neural network and decision trees model for prognosis ...
  • Comparison of Seven Algorithms to Predict Breast Cancer Survival. Biomedical ...
  • Classification and regression trees. Belmont CA: Breiman L, Friedman JH, ...
  • .http :/th eh ealth sci ence. com/wiki/D ecision -Tree. ...
  • . Support vector machines for outlier detection in cancers survivability ...
  • Breast cancer diagnosis using selforganizing map for sonography. Chen D, ...
  • Elsayad- Predicting the severity of breast masSes with ensemble of ...
  • _ 2.Classification and regression trees. Breiman L, Friedman JH, Olshen ...
  • _ 3 .http: //www. arpapress. c om/V olumes/Vol _ 0Issue ...
  • نمایش کامل مراجع