تشخیص ابتلا به سرطان سینه با استفاده از الگوریتم های یادگیری ماشین

Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,019

نسخه کامل این Paper ارائه نشده است و در دسترس نمی باشد

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCMIMED02_104

تاریخ نمایه سازی: 1 دی 1397

Abstract:

مقدمه:سرطان سینه یکی از کشنده ترین و شایعترین سرطان ها است که علت اصلی مرگ ومیر ناشی از سرطان در زنان سراسر جهان به شمار می رود. در علم پزشکی با توجه به اهمیت بومی و منطقه ای بودن ریسک فاکتورهای تاثیرگذار بر بیماری ها، انجام یک پژوهش دقیق با استفاده از مجموعه داده های بومی و بهره گیری از تکنیک های پایه داده کاوی ضروری به نظر می رسد. با توجه به اینکه اغلب کارهای صورت گرفته در زمینه تشخیص سرطان سینه بر روی دیتاست های غیربومی انجام شده است، هدف از این پژوهش توسعه مدل بومی تشخیص سرطان سینه در استان فارس می باشد. روش بررسی: در این مطالعه تعداد 1129 پرونده بیماران از کلینیک تخصصی سرطان سینه مطهری شیراز جمع آوری گردید. تعداد نمونه های این مجموعه داده بعد از انجام پیش پردازش و حذف داده های پرت به تعداد 1029 نمونه کاهش یافت که شامل 829 نمونه از افراد سالم و 200 نمونه از افراد بیمار می باشد. از سه الگوریتم درخت تصمیم، نایوبیز و شبکه عصبی مصنوعی به- منظور تشخیص ابتال به سرطان سینه و روش validation-cross fold-Ten برای ساخت و ارزیابی مدل بر روی دیتاست جمع-آوری شده بهره گرفته شده است. تمامی مراحل ایجاد و ارزیابی مدل در نرم افزار RapidMiner پیاده سازی شده است. یافته ها: در ارزیابی های صورت گرفته هر سه مدل نتایج امیدبخشی را در تشخیص بیماری سرطان سینه نشان دادند. دقت درخت تصمیم 91/13 ، دقت بیز ساده 91/94 و در نهایت دقت شبکه عصبی مصنوعی 93/55 به دست آمد. نتیجه گیری: شبکه عصبی مصنوعی با بالاترین دقت تشخیص بر روی مجموعه داده های بومی، یک مدل با دقت قابل قبول به منظور استفاده در تشخیص ابتلا به سرطان سینه بر روی داده های بومی استان فارسی را ارایه داد. حساسیت این روش در تشخیص افراد بیمار 89/47 به دست آمد.

Authors

آزیتا یزدانی

دانشجوی دکتری انفورماتیک پزشکی، مدیریت اطلاعات سلامت و انفورماتیک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی، تهران، تهران ایران

علی اصغر صفایی

استادیار، گروه انفورماتیک پزشکی، دانشکده علوم پزشکی، دانشگاه تربیت مدرس، تهران، ایران

رضا صفدری

استاد، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، تهران، ایران

مریم زحمتکشان

دانشجوی دکتری مدیریت اطلاعات سلامت، گروه مدیریت اطلاعات سلامت، دانشکده پیراپزشکی، دانشگاه علوم پزشکی تهران، ایران