مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

1,485
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

756
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

مقایسه کارایی مدل های پیش بینی عود مجدد سرطان پستان مبتنی بر تکنیک های داده کاوی

صفحات

 صفحه شروع 144 | صفحه پایان 149

چکیده

 مقدمه: پس از به کارگیری روش های درمان سرطان پستان, احتمال عود مجدد بیماری وجود دارد. هدف از انجام پژوهش حاضر, به کارگیری تکنیک های داده کاوی به منظور ارایه مدل های پیش بینی عود مجدد سرطان پستان بود.روش بررسی: در این مطالعه توصیفی, از 18 ویژگی مربوط به 809 بیمار مبتلا به سرطان پستان استفاده شد. برای ایجاد مدل پیش بینی عود مجدد سرطان پستان در مرحله پیش پردازش مجموعه داده, از الگوریتم های بیشینه سازی امید ریاضی EM (Expectation Maximization) و درخت تصمیم دسته بندی و رگرسیون C and R (Classification and Regression) استفاده گردید.سپس در مرحله یادگیری مدل, پنج الگوریتم داده کاوی شامل شبکه های عصبی, درخت تصمیم C and R, درخت تصمیم 5C, شبکه Bayes و ماشین بردار پشتیبان SVM (Support Vector Machine) به کار گرفته شد. در نهایت, جهت ارزیابی کارایی تکنیک های مورد استفاده, الگوریتم درخت تصمیم 48 J با K-Fold برابر 10 و روش های آنالیز داده ها مورد استفاده قرار گرفت. یافته ها: دقت الگوریتم های EM و C and R در مرحله پیش پردازش داده ها به ترتیب 0.641 و 0.420 بود. دقت پنج الگوریتم به کار رفته در مرحله یادگیری مدل نیز به ترتیب 0.858, 0.865, 0.870, 0.883 و 0.998 به دست آمد. نتیجه گیری: مدلی که در مرحله پیش پردازش از الگوریتم EM و در مرحله یادگیری از الگوریتم SVM بهره می گیرد, کارایی بالاتری نسبت به سایر مدل های ایجاد شده دارد.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    میرزاکاظمی، الهام، و غمگسارناصری، محمد. (1396). مقایسه کارایی مدل های پیش بینی عود مجدد سرطان پستان مبتنی بر تکنیک های داده کاوی. مدیریت اطلاعات سلامت، 14(4 (پیاپی 56) )، 144-149. SID. https://sid.ir/paper/121775/fa

    Vancouver: کپی

    میرزاکاظمی الهام، غمگسارناصری محمد. مقایسه کارایی مدل های پیش بینی عود مجدد سرطان پستان مبتنی بر تکنیک های داده کاوی. مدیریت اطلاعات سلامت[Internet]. 1396؛14(4 (پیاپی 56) ):144-149. Available from: https://sid.ir/paper/121775/fa

    IEEE: کپی

    الهام میرزاکاظمی، و محمد غمگسارناصری، “مقایسه کارایی مدل های پیش بینی عود مجدد سرطان پستان مبتنی بر تکنیک های داده کاوی،” مدیریت اطلاعات سلامت، vol. 14، no. 4 (پیاپی 56) ، pp. 144–149، 1396، [Online]. Available: https://sid.ir/paper/121775/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button