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

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 ۱۸ ویژگی مربوط به ۸۰۹ 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 ۵C، 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 ۴۸J با K-Fold برابر ۱۰ 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 ۶۴۱/۰ و ۴۲۰/۰ بود. دقت پنج الگوریتم به کار رفته در مرحله یادگیری مدل نیز به ترتیب ۸۵۸/۰، ۸۶۵/۰، ۸۷۰/۰، ۸۸۳/۰ و ۹۹۸/۰ 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.

Keywords:

داده کاوی , عود مجدد , سرطان پستان , الگوریتم