%0 Journal Article %A Afzali, Faezeh %A Heidari, Zohreh %A Montazeri, Mitra %A Ahmadian, Leila %A Zahedi, Mohammad Javad %T Futures Studies in Health: Choosing the Best Intelligent Data Mining Model to Predict and Diagnose liver Cancer in Early Stage %J Journal of Health and Biomedical Informatics %V 2 %N 3 %U http://jhbmi.ir/article-1-78-fa.html %R %D 2015 %K Liver Cancer, Hepatocellular Carcinoma (HCC), Prediction and Detection, Data Mining, Futures studies on Health, %X مقدمه: سرطان اولیه کبد HCC)) پنجمین سرطان شایع در دنیا و سومین عامل مرگ و میر در جهان می­باشد. علائم سرطان کبد پس از بروز به سرعت پیشرفت کرده و در صورت عدم تشخیص به موقع متأسفانه بقای عمر بیمار بسیار کم می­ گردد. یکی از مشکلات اصلی پیش روی متخصصین گوارش، پیش بینی و تشخیص زود هنگام سرطان کبد است. داده کاوی از روش­هایی است که در این زمینه مورد استفاده واقع می­ گردد. هدف از انجام این مطالعه معرفی بهترین مدل هوشمند مبتنی بر داده کاوی برای پیش­ بینی و تشخیص سرطان کبد در مراحل اولیه می­باشد. روش: در مقاله حاضر با استفاده از روش مطالعه گذشته نگر، پرونده 516 بیمار مبتلا به سرطان کبد اولیه و ثانویه و 22 ریسک فاکتور، از هر بیمار، مورد بررسی قرار گرفت. داده ­های جمع ­آوری شده با استفاده از 5 مدل داده کاویVFI Classifier ،Regression Classifier ،HyperPipes Classifier ، Functional trees with logistic regression و Meta Muti Class Classifier تحلیل شدند. این مدل­ها با یکدیگر مقایسه شدند. نتایج: دقت، ویژگی، حساسیت و سطح زیر منحنی Rocمـدل VFI Classifier به تـرتیب 71/29%، 49%، 50% و 63/31% می­ باشد و این مدل به عنوان بهترین مدل هوشمند مبتنی برداده کاوی برای پیش بینی و تشخیص سرطان کبد در مراحل اولیه شناخته شد. نتیجه ­گیری: در صورتی که مدل داده­ کاوی VFI Classifier به صورت صحیح طراحی شود، می­تواند سرطان کبد را پیش بینی نماید یا آن را در مراحل اولیه تشخیص دهد. %> http://jhbmi.ir/article-1-78-fa.pdf %P 133-140 %& 133 %! %9 Original Article %L A-10-88-1 %+ Ph.D. in Medical Informatics, Associate Professor, Medical Informatics Research Center, Institute for Futures Studies in Health, Kerman University of Medical Sciences, Kerman, Iran. %G eng %@ 2423-3870 %[ 2015