تشخیص بهینه سرطان پستان با استفاده از ترکیب تکنیکهای دادهکاوی
Publish Year: 1395
Type: Conference paper
Language: Persian
View: 578
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
- علوم پزشکی > سرطان
- هوش مصنوعی > داده کاوی
- هوش مصنوعی > الگوریتم ژنتیک
- هوش مصنوعی > درخت تصمیم
- هوش مصنوعی > یادگیری ماشین
Export:
Document National Code:
COMCONF04_386
Index date: 1 July 2017
تشخیص بهینه سرطان پستان با استفاده از ترکیب تکنیکهای دادهکاوی abstract
در این تحقیق، یک سیستم پیشبینی کننده جهت تحلیل بیماری سرطان پستان و بررسی عوامل موثر در بروز این بیماری با استفاده از ترکیب تکنیکهای دادهکاوی و بررسی نتایج معیارهای سنجش دستهبندی باتوجه بهدادههای استخراج شده از سایت علمی Repository.seasr.org ، بهینهترین مدل از بین روشهای یاد شده جهت استفاده کارشناسان معرفی میگردد.روش پژوهش: این پژوهش توصیفی است مبتنی بر اطلاعات بیماران مبتلا به سرطان پستان در پایگاه داده Wisconsinکه شامل 699 نمونه خوشخیم و بدخیم سرطان پستان با 10 ویژگی که 9 ویژگی آن مستقل و یک ویژگی وابسته بنام Class است که عملیات پیش پردازش شامل اصلاح داده های مفقود شده و شناسایی دادههای پرت در آنها انجام شده است. نتایج پژوهش: این تحقیق با ارایه مدل Bagging با دقت % 97 از بین الگوریتمهای دادهکاوی، بهینهترین مدل را انتخابنموده است. ضمنا در این پژوهش نسبت به سیستمهای مشابه از تعداد کمتری ویژگی استفاده شده است که ویژگیهای Cell_Size_Uniformity )یکنواختی اندازه سلول(، Cell_Shape_Uniformity )یکنواختی شکل سلول(،Bare_Nuclei )هسته سلول ساده(، Normal_Nucleoli )هستک وسط سلول(، Single_Epi_Cell_Size )اندازهسلول بافت اپیتلیال(، Marginal_Adhesion )چسبندگی لبهها )سلول(، از عوامل مهم تاثیرگذار سرطان پستان در این پژوهش محسوب میشوند
تشخیص بهینه سرطان پستان با استفاده از ترکیب تکنیکهای دادهکاوی Keywords:
سرطان پستان , داده کاوی , خوشهبندی , معیار سنجش , هرس درخت تصمیم , یادگیری ماشین , الگوریتم ژنتیک , بگینگ
تشخیص بهینه سرطان پستان با استفاده از ترکیب تکنیکهای دادهکاوی authors
مجید حبیبی
دانشجو ، کارشناسی ارشد مهندسی نرم افزار ،گروه کامپیوتر ، دانشکده فنی و مهندسی ، واحد جاسب ، دانشگاه آزاد اسلامی
رضا احسن
مربی ، دکتری مهندسی فناوری اطلاعات ،گروه کامپیوتر ، دانشکده فنی و مهندسی ، واحد قم ، دانشگاه آزاد اسلامی
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :