[صفحه اصلی ]   [Archive]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: جلد 6، شماره 1 - ( فصلنامه بیماری های پستان 1392 ) ::
جلد 6 شماره 1 صفحات 52-61 برگشت به فهرست نسخه ها
مروری بر 7 الگوریتم برتر داده کاوی در پیش‌بینی بقا، تشخیص و عود بیماران مبتلا به سرطان پستان
لیلا قاسم احمد
، lga_77@yahoo.com
چکیده:   (26307 مشاهده)
چکیده مقدمه: پیش بینی تشخیص، بقا و عود بیماران مبتلا به سرطان پستان، همواره از چالش‌های مهم برای محققین و پزشکان بوده است. امروزه به مدد علوم بیوانفورماتیک، امکان رفع این چالش‌ها با بهره‌گیری از اطلاعات قبلی ثبت شده از بیماران تا حدود زیادی محقق گردیده است. با تکنولوژی‌های کم هزینه سخت افزاری و نرم افزاری، داده‌ها با کیفیت بهتر و در حجم‌های بالاتر به صورت خودکار ذخیره می‌گردند و به کمک تجزیه و تحلیل بهتر آنها، این حجم عظیم از داده‌ها به صورتی کارآمد و موثرتر پردازش می-شوند. هدف اصلی این مقاله معرفی تعدادی از الگوریتم‌های پرکاربرد و شناخته شده داده‌کاوی در سرطان پستان است. روش بررسی: الگوریتم‌های داده‌کاوی، مدل‌های بهینه‌ای هستند که در پیش بینی تشخیص، بقا و عود سرطان پستان به کار رفته و دقت قابل توجهی از خود نشان داده‌اند. نتایج حاصل از این الگوریتم‌ها، نه تنها به پزشکان در تصمیم گیری بهتر کمک می‌کند بلکه باعث آشکار شدن برخی از الگوهای پنهان و ناشناخته می‌شود که شاید توجه خاصی به آنها معطوف نبوده است. این الگوریتم‌ها شامل: شبکه‌های عصبی مصنوعی (Artificial Neural Networks/ANNs)، درختان تصمیم گیری(Decision Trees) ، شبکه-های بیزی(Bayes Nets) ، بیزی ساده(Naive Bayes) ، رگرسیون لجستیک(Logistic Regression) ، بردار پشتیبان ماشین (Support Vector Machine) و روش‌های ترکیبی درختان تصمیم و شبکه‌های بیزی(Decision Tree with Naive Bayes) هستند. از این الگوریتم‌ها، برای دسته بندی، خوشه بندی، یادگیری آماری که مهم‌ترین روش‌های داده کاوی هستند، استفاده می‌شود. یافته‌ها: در این مقاله، 7 الگوریتم برتر داده‌کاوی در پیش بینی بقا، تشخیص و عود بیماران مبتلا به سرطان پستان معرفی می‌گردند و با معرفی هر الگوریتم، پیشینه‌ای از تحقیقات صورت گرفته در سرطان پستان به کمک الگوریتم مورد نظر، نتایج حاصل از آن و همچنین تحقیقات فعلی در حال انجام در این خصوص ارائه می‌شود. درختان تصمیم و ماشین بردار پشتیبان، در تحقیقات مختلف انجام شده، معمولا نتایج بهتر و دقیق‌تری در زمینه دقت، حساسیت و ویژگی ارایه کرده‌اند. نتیجه‌گیری: موفقیت این الگوریتم‌ها، به فاکتورهای متعددی چون وجود متغیرهای مورد نیاز، بزرگتر بودن پایگاه داده، کم بودن تعداد داده‌های مفقوده و دسترسی به داده‌های صحیح و درست بستگی دارد.
واژه‌های کلیدی: سرطان پستان، الگوریتم‌های داده‌کاوی، پیش بینی، شبکه‌های عصبی مصنوعی، درختان تصمیم‌گیری، شبکه‌های بیزی، رگرسیون لجستیک، بردار پشتیبان ماشین.
متن کامل [PDF 239 kb]   (6446 دریافت)    
نوع مطالعه: پژوهشي | موضوع مقاله: بیماریهای پستان
دریافت: 1392/8/26 | پذیرش: 1392/9/3 | انتشار: 1392/9/3
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ghasem Ahmad L. Review top 7 Algorithms in Data Mining for Prediction Survivability, Diagnosis and Recurrence of Breast Cancer. ijbd. 2013; 6 (1) :52-61
URL: http://ijbd.ir/article-1-258-fa.html

قاسم احمد لیلا. مروری بر 7 الگوریتم برتر داده کاوی در پیش‌بینی بقا، تشخیص و عود بیماران مبتلا به سرطان پستان. فصلنامه علمی - پژوهشی بیماری های پستان ایران. 1392; 6 (1) :52-61

URL: http://ijbd.ir/article-1-258-fa.html



جلد 6، شماره 1 - ( فصلنامه بیماری های پستان 1392 ) برگشت به فهرست نسخه ها
فصلنامه علمی- پژوهشی بیماری های پستان ایران Iranian Quarterly Journal of Breast Disease

Iranian Journal of Breast Diseases Accepted terms and conditions of:

Creative Common Attribution Committee on Publication Ethics: COPE World Association of Medical Editors International Committee of Medical Journal Editors
Persian site map - English site map - Created in 0.06 seconds with 33 queries by YEKTAWEB 4140