پیش بینی و عود مجدد سرطان سینه پس از درمان با استفاده از داده کاوی

تعداد و اندازه پایگاه داده های پزشکی به سرعت در حال افزایش است و مدل های توسعه یافته تکنیک داده کاوی میتوانند برای پزشکان جهت کمک در تصمیم گیری موثر و کاربردی باشند.داده کاوی، به عنوان کشف دانش در پایگاه های اطلاعاتی شناخته شده است. استفاده از داده کاوی در پزشکی یکی از زمینه های پر کاربرد داده کاوی محسوب میشود که در سال های اخیر مطالعات زیادی پیرامون آن انجام شده است.هنگامی که تعداد پارامتر های بیماری در تشخیص بیماری زیادشود،ممکن است تشخیص بیماری حتی برای یک متخصص خبره پزشکی نیز سخت باشد.همین دلیل موجب شده که در چند دهه اخیر ابزار کامپیوتری با هدف کمک به پزشک مورد استفاده قرارگیرد تا به نحوی بی نظمی را از داده ها خارج کند و همچنین خطاهای احتمالی ناشی از خستگی ویا بی تجربگی متخصص را کاهش دهد وداده های پزشکی موردنیاز را در زمان کمتروبا جزئیات بیشتر در اختیار پزشک قرار دهد. از دیدگاه داده کاوی، پیش بینی در تشخیص بیماری جز مسائل مهم محسوب میشود. تشخیص زود هنگام و درمان موثر تنها نجات برای کاهش مرگ و میر سرطان پستان است. طبقه بندی دقیق تومور سرطان پستان یکی از وظایف مهم در تشخیص پزشکی است. در این پژوهش به برسی ژنتیک سرطان پستان و سه روش داده کاوی برای پیش بینی و عود مجدد سرطان پستان میپردازیم

Keywords:

داده کاوی , سرطان پستان , پیش بینی , ژنتیک سرطان , جهش ژنتیکی , درخت تصمیم گیری , ماشین بردارپشتیبان , شبکه های عصبی مصنوعی , طبقه بندی