تشخیص خطر ابتلا به سر طان معده با استفاده از مدل های یادگیری ماشین

بیان مساله: سرطان معده یکی از شایع ترین انواع سرطان در ایران است که در صورت تشخیص نادرست و با تشخیص دیرهنگامآسیب های جبران ناپذیری به دنبال خواهد داشت. همچنین از نظر میزان مرگ و میر سومین سرطان پیشرو در جهان می باشد.هدف: سرطان معده در مقایسه با سایر انواع سرطان عمدتا توسط عوامل جمعیت شناختی و رژیم غذایی ایجاد می شود. هدف از اینمطالعه تشخیص زودهنگام سطح خطر ابتلا به سرطان معده با پیش بینی عوامل اولیه و مهم ازطریق تکنیک های داده کاوی ویادگیری ماشین است.روش: این مطالعه بر روی مجموعه داده به دست آمده از ۶۱۸ بیمار مبتلا به بیماری های معده در دو گروه بیماران کم خطر و پرخطرسرطان معده، که شامل پرسشنامه، معاینات سرولوژیکی و آندوسکوپی به همراه پاتولوژی بیوپسی است. انجام گرفت. در این مطالعهجهت مقایسه ۳۲ ویژگی و عوامل خطر از پنج روش یادگیری ماشین، شامل ماشین بردار پشتیبان، درخت کامل شبکه های بیزیساده، درخت تصمیم پرسپترون چندلایه و رگرسیون لجستیک برای طبقه بندی بیماران استفاده شد.نتایج: با بررسی معیارهای ارزیابی که شامل ماتریس درهم ریختگی» صحت و ناحیه زیر منحنی بودند» یافته ها نشان دادند که مدلداده کاوی پرسپترون چندلایه نسبت به سایر مدل های پیش بینی کننده بهینه تر عمل نمود. که در نتیجه ۱۵ عامل از مهمترین عواملتاثیرگذار برای خطر سرطان معده اولیه مشخص شدند.

Keywords:

رگرسیون لجستیکت , درخت تصمیم سرطان معده , برسپترون چندلایه , ماتریس درهم ریختکی