میثم قاسم پور - دانشجوی کارشناسی ارشد،دانشگاه آزاد اسلامی واحد یزد
علیمحمد لطیف - استادیار،دانشگاه یزد

تشخیص بیماری یکی از موارد مهم در علم پزشکی می باشد و یکی از کاربرد های مهم داده کاوی،مربوط به تشخیص بیماری ها در علم پزشکی می باشد.در این مقاله با استفاده از الگوریتم های پیش بینی داده کاوی همچون C5.0،CART وشبکه عصبی جمعی به مساله تشخیص و پیش بینی سرطان سینه می پردازیم.مجموعه داده مورد استفاده دارای 699 رکورد مربوط به بانک اطلاعاتی بیماران سرطان سینه موجود در انبارداده ی یادگیری ماشین دانشگاه ایروین،کالیفرنیا آمریکا است و شامل ریسک فاکتورهای ضخامت انبوه،یکنواختی اندازه سلول، یکنواختی شکل سلول، چسبندگی لبه ها، حجم سلول بافت اپیتلیال، هسته های عریان، کروماتین بلاند، هسته عادی و تقسیم هسته سلول به دو قسمت می باشد.. مدل های تولید شده در این تحقیق با استفاده از آنالیز منحنی Roc مقایسه و با نرم افزارهای داده کاوی RapidMiner نسخه 505 و و کلمنتاین مورد بررسی و مقایسه قرار دادیم که بهترین مدل در شبکه عصبی جمعی و با سطح زیر منحنی 961/. انتخاب گردید. مدل نهایی دارای دقت 67 / 96% است.

بیماری سرطان سینه، شبکه عصبی جمعی،کلمنتاین , Neural Network Ensemble،RapidMiner،CART