دوره 6، شماره 4 - ( 12-1398 )
جلد 6 شماره 4 صفحات 319-309 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Sadeghi S, Golabpour A. An Algorithm for Predicting Recurrence of Breast Cancer Using Genetic Algorithm and Nearest Neighbor Algorithm. jhbmi 2020; 6 (4) :309-319
URL: http://jhbmi.ir/article-1-366-fa.html
URL: http://jhbmi.ir/article-1-366-fa.html
صادقی ستایش، گلاب پور امین. ارائه یک الگوریتم برای پیش بینی عود بیماران مبتلا به سرطان پستان با استفاده از الگوریتم ژنتیک و الگوریتم نزدیک ترین همسایگی. مجله انفورماتیک سلامت و زیست پزشکی. 1398; 6 (4) :309-319
دکتری تخصصی انفورماتیک پزشکی، استادیار، دانشگاه علوم پزشکی شاهرود، دانشکده پیراپزشکی، شاهرود، ایران
چکیده: (4202 مشاهده)
مقدمه: بیماری سرطان پستان یکی از شایع‌ترین انواع سرطان و شایع‌ترین نوع بدخیمی در زنان است که در سال‌های اخیر روند رو به رشدی داشته است. در مبتلایان به این بیماری همواره احتمال عود مجدد وجود دارد. عوامل زیادی میزان این احتمال را کاهش یا افزایش می‌دهند. داده‌کاوی از روش‌هایی است که در تشخیص یا پیشبینی سرطان‌ها به کار می‌رود و یکی از بیشترین کاربردهای آن، پیشبینی عود مجدد سرطان پستان است.
روش: در این مطالعه گذشتهنگر از دادههای 699 بیمار مبتلا به سرطان پستان با 14 ویژگی استفاده شد که از این تعداد 458 نفر (66 درصد) سرطان آنها عود نکرد و 241 نفر (34 درصد) سرطان آنها عود کرده است. این اطلاعات از سال 1391 تا 1394 از پرونده بیماران سرطان پستان جهاد دانشگاهی جمعآوری شد. در این پژوهش از ترکیب دو الگوریتم نزدیکترین همسایگی و الگوریتم ژنتیک برای پیشبینی عود بیماران مبتلا به سرطان پستان استفاده گردید. ابتدا الگوریتم نزدیکترین همسایگی برای پیشبینی عود سرطان پستان ارائه شد سپس به کمک الگوریتم ژنتیک متغیرهای وابسته کاهش یافت تا مدل صحت مناسبتری داشته باشد.
نتایج: تعداد متغیرهای وابسته 14 متغیر بود که به کمک الگوریتم ژنتیک به 6 متغیر کاهش پیدا نمود تا مدل پیشبینی کارایی بهتری داشته باشد. جهت ارزیابی مدل از پارامتر صحت استفاده شد که مقدار آن برای مدل پیشنهادی 14/77 درصد است که نسبت به روش‌های دیگر خروجی مناسبتری دارد.
نتیجه گیری: در این مطالعه الگوریتم پیشنهادی با روش‌های دیگر پیشبینی مورد بررسی قرار گرفت و مشخص گردید الگوریتم پیشنهادی دارای صحت بهتر است.
روش: در این مطالعه گذشتهنگر از دادههای 699 بیمار مبتلا به سرطان پستان با 14 ویژگی استفاده شد که از این تعداد 458 نفر (66 درصد) سرطان آنها عود نکرد و 241 نفر (34 درصد) سرطان آنها عود کرده است. این اطلاعات از سال 1391 تا 1394 از پرونده بیماران سرطان پستان جهاد دانشگاهی جمعآوری شد. در این پژوهش از ترکیب دو الگوریتم نزدیکترین همسایگی و الگوریتم ژنتیک برای پیشبینی عود بیماران مبتلا به سرطان پستان استفاده گردید. ابتدا الگوریتم نزدیکترین همسایگی برای پیشبینی عود سرطان پستان ارائه شد سپس به کمک الگوریتم ژنتیک متغیرهای وابسته کاهش یافت تا مدل صحت مناسبتری داشته باشد.
نتایج: تعداد متغیرهای وابسته 14 متغیر بود که به کمک الگوریتم ژنتیک به 6 متغیر کاهش پیدا نمود تا مدل پیشبینی کارایی بهتری داشته باشد. جهت ارزیابی مدل از پارامتر صحت استفاده شد که مقدار آن برای مدل پیشنهادی 14/77 درصد است که نسبت به روش‌های دیگر خروجی مناسبتری دارد.
نتیجه گیری: در این مطالعه الگوریتم پیشنهادی با روش‌های دیگر پیشبینی مورد بررسی قرار گرفت و مشخص گردید الگوریتم پیشنهادی دارای صحت بهتر است.
فایل صوتی [M4A 2443 KB] (122 دریافت)
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
