fa ارایه مدلی جهت تعیین احتمال ابتلا به سرطان سینه با بکارگیری الگوریتم EM در عامل‌های خطر بیماریهای پستان Breast Diseases پژوهشي Research <p dir="RTL"><a name="OLE_LINK61"></a><a name="OLE_LINK60"><strong>مقدمه:</strong></a> هر عاملی که باعث افزایش احتمال ابتلا به سرطان پستان در فرد شود عامل خطر محسوب‌ می‌گردد. آگاهی از این عوامل خطر در تعیین زنانی که خطر بالای ابتلا به سرطان پستان دارند کمک کننده است و همچنین این اجازه را می‌دهد تا با مداخله در برخی از عوامل خطر فردی و اجتماعی، خطر بروز سرطان را در فرد و جامعه تعدیل کرد. هدف از این تحقیق ارایه مدلی ریاضی جهت تعیین میزان ریسک ابتلا به بیماری سرطان پستان در افراد مراجعه کننده به مراکز غربالگری می‌باشد.</p> <p dir="RTL"><strong>روش بررسی:</strong> داده‌هایی که در این مقاله جهت ارزیابی مورد استفاده قرار گرفته‌اند از کنسرسیوم نظارت بر سرطان پستان (<span dir="LTR">BCSC</span>) وابسته به موسسه ملی سرطان آمریکا&nbsp; اقتباس و جهت انجام تحلیل داده‌های این مقاله از نرم‌افزار <span dir="LTR">Weka</span> استفاده شده است. این مطالعه بر روی 6318638 نفر مراجعه&rlm;کننده به مراکز غربالگری در کشور آمریکا از سال 2000 تا 2009 صورت گرفته است. جهت خوشه‌بندی موثر داده‌ها از الگوریتم <span dir="LTR">EM</span> نیز بهره برده شده است.</p> <p dir="RTL"><strong>یافته‌ها:</strong> همه عوامل خطر به‌طور یکسان خطر سرطان پستان را افزایش نمی‌دهند، بعضی از آنها، عوامل خطرناک&rlm;تری بوده و خطر ابتلا را بیشتر بالا می‌برند. لذا با تعیین ضریب تاثیرگذاری در جامعه آماری نمونه می‌توان به مدلی دست یافت که بر اساس آن امکان پیش‌بینی احتمال ابتلا به سرطان سینه وجود خواهد داشت.</p> <p dir="RTL"><strong>نتیجه‌گیری: </strong>نتایج این مطالعه نشان داد که با استفاده از الگوریتم <span dir="LTR">&nbsp;EM</span> و خوشه‌بندی موثر می‌توان میزان تاثیرگذاری هر یک از عوامل خطر را در یک مجموعه داده مورد بررسی قرار داده و برای هر یک ضریبی را به عنوان ضریب موثر بدست آورده و در نهایت با جمع این ضرایب در مقدار عامل خطر میزان ریسک ابتلا به خطر سرطان سینه را پیش‌بینی نمود.</p> <p><strong>Introduction: </strong>Anything that increases a person&#39;s chance of developing breast cancer is risk factor. Awareness of these risk factors to identify women who have a high risk of developing breast cancer may be helpful. It also allows intervening in individual and social risk factors and adjustment the incidence of cancer in the individual and our community. The aim of this study is to provide a mathematical model to determine the risk of breast cancer in screening centers.</p> <p><strong>Methods: </strong>In this study we used the data from Breast Cancer Surveillance Consortium (BCSC) in National Cancer Institute in USA from 2000-2009 on 6318638 people. For clustering we used EM algorithm and executed in Weka software to cluster this data.</p> <p><strong>Results: </strong>&nbsp;All of the risk factors do not increase the risk of breast cancer in a same mode. Some of these factors are more dangerous and increases the risk raise more than from another risk. Therefore, to determine the impact factor of the population could be achieved in a model upon which to predict the likelihood of breast cancer will be there.</p> <p><strong>Conclusion: </strong>The results of this study shown that using EM algorithm and effective clustering may be effective, any of the risk factors studied in a dataset and for each factor as effective coefficient obtained, and finally the sum of these impact factors on the risk of breast cancer risk factors, the risk can be predicted.</p> سرطان سینه, ریسک فاکتور, داده‏کاوی, غربالگری, الگوریتم EM Breast Cancer, Risk Factor, Data Mining, Screening, EM Algorithm 21 30 http://ijbd.ir/browse.php?a_code=A-10-222-93&slc_lang=fa&sid=1 Mahdi Hemmasian Etefagh مهدی حمصیان اتفاق hemmasian@yahoo.com 00031947532846002367 00031947532846002367 Yes Mohammad Hossein Nadimi Shahraki محمدحسین ندیمی شهرکی 00031947532846002368 00031947532846002368 No