تشخیص سرطان سینه و همبودی با استفاده از ترکیب تکنیک های انتخاب ویژگی گروهی و یادگیری ترکیبی
Publish place: 8th International Conference on Information Technology, Computer and Telecommunication
Publish Year: 1398
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 475
This Paper With 29 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITCT08_030
تاریخ نمایه سازی: 3 اردیبهشت 1399
Abstract:
اکتشاف پایگاه داده های عظیم پزشکی با کمک ابزارهای محاسباتی جدید وجود توام بیماری ها، از جمله سرطان های خاص را تایید کرده است. با این حال، تحقیقات پزشکی در حال حاضر تمایل به بررسی بیماری های جدا از یکدیگر ، به جای توجه به اثر متقابل آنها را دارد. در این مقاله، جهت تشخیص نرخ بقای سرطانهای سینه، دستگاه تناسلی و سیستم ادراری در خانم ها و آقایان از ترکیب تکنیک های داده کاوی اعم از DT1 ،RF2 ،ANN3 و LR4 و الگوریتم های انتخاب ویژگی PSO و TFIDF استفاده شده است. همچنین در مقاله فعلی از دیتاست محبوب SEER استفاده شده است. پس از شبیه سازی روش پیشنهادی در این مقاله مشاهده گردید که، میزان دقت روش پیشنهادی بطور میانگین نسبت به سایر روشها مثل روش جنگل تصادفی، شبکه عصبی، درخت تصمیم و رگرسیون خطی بر روی دیتاست سرطان سینه در حدود %27,11، بر روی دیتاست سرطان دستگاه تناسلی زنان در حدود %24,57، بر روی دیتاست سرطان دستگاه تناسلی مردان در حدود %35,5 و بر روی دیتاست سرطان مجاری ادرار در حدود %27,68 بهبود داشته است.
Keywords:
Authors
آزاده جعفری
دانشگاه علوم پزشکی شهید بهشتی تهران،گروه اتاق عمل،تهران،ایران
بهنام حیدری
دانشگاه آزاد اسلامی، واحد شیراز، گروه مهندسی کامپیوتر، شیراز، ایران