:: دوره 4، شماره 4 - ( زمستان 1396 ) ::
جلد 4 شماره 4 صفحات 266-278 برگشت به فهرست نسخه ها
مدل‌سازی بیماری سرطان پستان با استفاده از روش‌های مبتنی بر داده‌کاوی
پروانه دهقان، مائده مقربی، ایمان ذباح ، کامران لایقی، علی ماروسی
دانشجوی دکتری کامپیوتر، دانشکده برق و کامپیوتر، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران
چکیده:   (1161 مشاهده)
مقدمه: سرطان سینه رایج‌ترین شکل سرطان در زنان است. اهمیت تشخیص سرطان سینه به عنوان یکی از موضوعات مهم در علم پزشکی مطرح می‌شود. تشخیص خوش‌خیم یا بدخیم بودن سرطان علاوه بر کاهش هزینه‌ها در جهت‌گیری نوع درمان از اهمیت فوق‌العاده‌ای برخوردار است. هدف از این پژوهش ارائه مدل‌هایی بر اساس داده‌کاوی است که قابلیت پیش‌بینی بیماری سرطان سینه را داشته باشند.
روش: این مطالعه از نوع توصیفی-تحلیلی می‌باشد. پایگاه داده آن شامل 683 رکورد مستقل شامل 9 متغیر موجود در پایگاه داده یادگیری ماشین UCI می‌باشد. در این مقاله، از شبکه‌های عصبی مصنوعی پرسپترون‌، بیزین و شبکه عصبی LVQ برای کلاس بندی سرطان سینه به دوکلاس خوش‌خیم و بدخیم استفاده شده است. از 80‌% داده‌ها جهت آموزش و از 20‌% باقی‌مانده جهت آزمون استفاده شد.
نتایج: پس از پیش‌پردازش داده‌ها شبکه‌های عصبی متفاوت با معماری‌های مختلف مورد بررسی قرار گرفتند. در بهترین حالت خوش‌خیم یا بد‌خیم بودن سرطان را در شبکه‌های عصبی پرسپترون چند لایه و شبکه عصبی LVQ و بیزین با میانگین ده بار تست به ترتیب با دقت‌های 97/5% و 97/6% و 98/3% پیش‌بینی شد. بررسی‌های مطالعه نشان داد که شبکه عصبی بیزین در تشخیص بیماری موفق‌تر است.
نتیجه ­گیری: سرطان پستان یکی از شایع‌ترین سرطان‌ها در بین زنان می‌باشد. تشخیص به موقع بیماری ضمن کاهش هزینه‌ها، شانس درمان موفقیت‌آمیز بیمار را افزایش می‌دهد. در این مطالعه ضمن تشخیص بیماری به کمک روش‌های داده‌کاوی، توانست با استفاده از شبکه عصبی بیزین به دقت بالایی در تشخیص بیماری دست یابد.

 
واژه‌های کلیدی: سرطان پستان، شبکه عصبی مصنوعی، شبکه عصبی پرسپترون، LVQ‌، داده کاوی
متن کامل [PDF 1182 kb]   (464 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: داده کاوی
دریافت: ۱۳۹۶/۴/۲۳ | پذیرش: ۱۳۹۶/۹/۵


XML   English Abstract   Print



دوره 4، شماره 4 - ( زمستان 1396 ) برگشت به فهرست نسخه ها