ارائه یک الگوریتم برای پیش بینی عود بیماران مبتلا به سرطان پستان با استفاده از الگوریتم ژنتیک و الگوریتم نزدیک ترین همسایگی
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 51
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JHBMI-6-4_005
تاریخ نمایه سازی: 9 مرداد 1403
چکیده مقاله:
مقدمه: بیماری سرطان پستان یکی از شایع ترین انواع سرطان و شایع ترین نوع بدخیمی در زنان است که در سال های 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 می دهند. داده کاوی از روش هایی است که در تشخیص یا پیش بینی سرطان ها به کار می رود و یکی از بیشترین کاربردهای آن، پیش بینی عود مجدد سرطان پستان است.
روش: در این مطالعه گذشتهنگر از دادههای ۶۹۹ بیمار مبتلا به سرطان پستان با ۱۴ ویژگی استفاده شد که از این تعداد ۴۵۸ نفر (۶۶ درصد) سرطان آن ها عود نکرد و ۲۴۱ نفر (۳۴ درصد) سرطان آنها عود کرده است. این اطلاعات از سال ۱۳۹۱ تا ۱۳۹۴ 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 نزدیک ترین 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 ۱۴ متغیر بود که به کمک الگوریتم ژنتیک به ۶ متغیر کاهش پیدا نمود تا مدل پیش بینی کارایی بهتری داشته باشد. جهت ارزیابی مدل از پارامتر صحت استفاده شد که مقدار آن برای مدل پیشنهادی ۱۴/۷۷ درصد است که نسبت به روش های دیگر خروجی مناسب تری دارد.
نتیجه گیری: در این مطالعه الگوریتم پیشنهادی با روش های دیگر پیش بینی مورد بررسی قرار گرفت و مشخص گردید الگوریتم پیشنهادی دارای صحت بهتر است.
کلیدواژه ها:
Breast Cancer Recurrence ، Genetic Algorithm ، Nearest Neighbor Algorithm ، عود سرطان پستان ، الگوریتم ژنتیک ، الگوریتم نزدیک ترین همسایگی
نویسندگان
ستایش صادقی
M.Sc. in Computer Engineering, Computer Engineering Dept., Islamic Azad University, Kerman, Iran
امین گلاب پور
Ph.D. in Medical Informatics, Assistant Professor, Shahroud University of Medical Sciences, School of Paramedical, Shahroud, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :