fa افزایش دقت پیش‌بینی سرطان پستان با استفاده از الگوریتم ژنتیک و داده‌کاوی بیماریهای پستان Breast Diseases پژوهشي Research <p dir="RTL"><strong>مقدمه:</strong> سرطان پستان یکی از شایع&shy;ترین علت مرگ و میر در زنان محسوب می&shy;شود. پیش&shy;بینی صحیح سرطان پستان دارای اهمیت است. وجود علایم و ویژگی&shy;های مختلف این بیماری، تشخیص را برای پزشکان دشوار می&shy;کند. داده&shy;کاوی امکان تحلیل داده&rlm;های بالینی بیماران برای تصمیم&shy;گیری&shy;های پزشکی را فراهم می&shy;کند. هدف این مقاله، ارایه یک مدل برای افزایش دقت پیش&rlm;بینی سرطان پستان است.</p> <p dir="RTL"><strong>روش بررسی:</strong> در این مطالعه، پرونده پزشکی 574 بیمار مبتلا به سرطان پستان با تعداد 32 ویژگی مورد بررسی قرار گرفته است. اطلاعات بیماران از پایگاه داده استاندارد بیمارستان فوق تخصصی مرتاض یزد جمع&shy;آوری شده &shy;است. هر یک از بیماران حداقل به مدت یک سال تحت پیگیری بوده&shy;اند. به منظور ارایه مدل پیش&shy;بینی سرطان پستان از الگوریتم ژنتیک و داده&shy;کاوی استفاده می&shy;شود.</p> <p dir="RTL"><strong>یافته&shy;ها</strong>: مدل پیشنهادی با روش&shy;های درخت تصمیم&shy;گیری، نایو بیز و نزدیک&shy;ترین همسایه مورد مقایسه قرار گرفت. نتایج نشان می&shy;دهد که دقت پیش&shy;بینی مدل &shy;پیشنهادی برابر با 973/0 بوده &shy;است. همچنین برای روش&shy;های نایو بیز، درخت تصمیم&shy;گیری و&nbsp; نزدیک&shy;ترین همسایه دقت پیش&shy;بینی به ترتیب برابر با 913/0، 929/0 و 951/0 می&shy;باشد.</p> <p dir="RTL"><strong>نتیجه&shy;گیری:</strong> در پیش&shy;بینی سرطان پستان، مدل پیشنهادی نسبت به سایر مدل&shy;های مورد مقایسه دارای حداقل میزان خطا و بیش&rlm;ترین دقت و صحت &shy;است. روش نایو بیز، حداکثر میزان خطا و کم<span dir="LTR">&shy;</span>ترین دقت را دارا می&shy;باشد.</p> <p><strong>Introduction: </strong>The correct prediction of breast cancer disease is of great importance. The presence of different signs and characteristics of the disease has made it difficult for physicians&rsquo; to diagnose. Data mining allows the analysis of the patients&rsquo; medical data for medical decisions. The goal of this paper is to present an accurate model designed for predicting breast cancer disease.</p> <p><strong>Methods: </strong>In this study, the medical case files of 574 patients with breast cancer diseases with 32 features were examined. Patient information was acquired from the Mortaz General Hospital Standard Database and selected. Genetic Algorithm and Data mining are used for the purpose of presenting a model for the prediction of Erythemato-Squamous disease.</p> <p><strong>Results: </strong>The suggested model was compared with the Decision Tree, Nayo-Biz and Nearest Neighbor methods. Results show that the prediction accuracy of the suggested model was 0.973, also for other methods the accuracy of prediction was 0.913, 0.929 and 0.951 respectively.</p> <p><strong>Conclusion: </strong>In the prediction of breast cancer disease, the suggested model acquired the least error and the most accuracy and validation in comparison with other methods. The Nayo-Biz method has the most error and least accuracy.</p> سرطان پستان, الگوریتم ژنتیک, داده­کاوی, افزایش دقت پیش­بینی Breast Cancer, Genetic Algorithm, Data Mining, Prediction 45 56 http://ijbd.ir/browse.php?a_code=A-10-222-96&slc_lang=fa&sid=1 Ali Mohammad Latif علی محمد لطیف 00031947532846002401 00031947532846002401 No Mohammad Momeny محمد مومنی 00031947532846002402 00031947532846002402 No Rabeyeh Sarram رابعه صرام 00031947532846002403 00031947532846002403 No Mahdi Agha Srram مهدی آقاصرام sarram@yazd.ac.ir 00031947532846002404 00031947532846002404 Yes Ali Pour Ahmadi علی پوراحمدی 00031947532846002405 00031947532846002405 No Zahra Haj Ebrahimi زهرا حاج ابراهیمی 00031947532846002406 00031947532846002406 No