پیام خود را بنویسید
جلد 11، شماره 3 - ( فصلنامۀ علمی - پژوهشی بيماري‌هاي پستان ايران 1397 )                   جلد 11 شماره 3 صفحات 70-55 | برگشت به فهرست نسخه ها


XML English Abstract Print


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

Shayegan M A, Naseri S. Breast Cancer Staging by Using TNM System and Ant Colony Algorithm. ijbd 2018; 11 (3) :55-70
URL: http://ijbd.ir/article-1-693-fa.html
شایگان محمدامین، ناصری نوروزانی سعیده. تعیین مرحله بالینی بیماران مبتلا به سرطان پستان با استفاده از سیستم TNM و الگوریتم کلونی مورچگان. بیماری‌های پستان ایران. 1397; 11 (3) :55-70

URL: http://ijbd.ir/article-1-693-fa.html


1- دانشگاه آزاد اسلامی واحد شیراز ، shayegan@iaushiraz.ac.ir
2- دانشگاه آزاد اسلامی واحد شیراز
چکیده:   (4552 مشاهده)
مقدمه: میزان پیشرفت سرطان پستان (مرحله،Staging )، یکی از مهم‏ ترین عوامل تعیین کننده میزان بقای فرد بیمار و انتخاب روش‏های درمانی مناسب توسط پزشکان است. معمولا تعیین پیشرفت سرطان پستان، پس از عمل جراحی و از طریق ارزیابی بافت شناسی انجام می ‏شود. از این رو یافتن الگوریتم مناسبی که بتواند میزان پیشرفت و همچنین مرحله (Staging) سرطان پستان را تعیین کند، به پزشکان در ارایه روش‏ های درمانی مناسب کمک فراوانی خواهد کرد. لذا در این پژوهش تلاش شده است تا با استفاده از تکنیک‏ های داده ‏کاوی، یک مدل قوی پیش ‏بینی مرحله سرطان پستان معرفی گردد.
روش بررسی: در این پژوهش، یک مدل مکانیزه با استفاده از سیستم TNM و همچنین استفاده از الگوریتم کلونی مورچگان، برای تشخیص مرحله سرطان پستان، پیشنهاد شده است. این روش‏ ها به دلیل عدم نیاز به عمل جراحی، باعث کاهش زیاد هزینه‏ ها و آسیب‏ های روحی بیمار می‏ شود. برای ارزیابی سیستم، از دیتاست بین‏المللی SEER و  یک دیتاست محلی از اطلاعات 1148 بیمار زن مبتلا به سرطان پستان، استفاده شد و دو معیار «دقت» و «سطح زیر نمودار راک» برای طبقه بندی های مختلف محاسبه گردید.
یافته ‏ها: با استفاده از سیستم TNM برای دیتاست SEER، دقت 93/99% و برای دیتاست محلی، دقت 91/99% و با استفاده از الگوریتم کلونی مورچگان، برای دیتاست SEER دقت 43/99% و برای دیتاست محلی، دقت 95/98% بدست آمد. همچنین مشخص گردید علاوه بر ویژگی‏ های مورد استفاده مرسوم T ، N و M، ویژگی‏ های دیگری همچون تهاجم عروقی، سن بیمار، گروه خونی، تعدا فرزندان، محل تولد، بافت شناسی سلولی، نوع بافت درگیر و Site-Specific Factor های شماره 2 ، 3 و 6 نیز می‏ توانند به عنوان عوامل مهم در تعیین مرحله بالینی بیماران مبتلا به سرطان پستان استفاده شوند.
نتیجه‏ گیری: بر اساس نتایج حاصل، دو طبقه ‏بند Logistic و Multi Class Classifier به ترتیب دارای بالاترین میزان دقت برای دیتاست‏ های SEER و محلی این پژوهش هستند.
متن کامل [PDF 844 kb]   (5788 دریافت)    
نتیجه‏ گیری: بر اساس نتایج حاصل، دو طبقه ‏بند Logistic و Multi Class Classifier به ترتیب دارای بالاترین میزان دقت برای دیتاست‏ های SEER و محلی این پژوهش هستند.

نوع مطالعه: پژوهشي | موضوع مقاله: بیماریهای پستان
دریافت: 1397/6/7 | پذیرش: 1397/9/12 | انتشار: 1397/9/25

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

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

تمامی حقوق نرم‌افزاری اين وب سایت متعلق به مجله علمی بیماری‌های پستان ایران می‌باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Iranian Journal of Breast Diseases

Designed & Developed by: Yektaweb