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. بیماریهای پستان ایران. 1392; 6 (1) :52-61
URL: http://ijbd.ir/article-1-258-fa.html
، lga_77@yahoo.com
چکیده: (34100 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.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
بیماریهای پستان دریافت: 1392/8/26 | پذیرش: 1392/9/3 | انتشار: 1392/9/3