پیش بینی سرطان ریه با استفاده ازsvm
- سال انتشار: 1404
- محل انتشار: ششمین همایش بین المللی دستاوردهای نوین در فناوری اطلاعات، علوم کامپیوتر، امنیت، شبکه و هوش مصنوعی
- کد COI اختصاصی: INDEXCONF06_012
- زبان مقاله: فارسی
- تعداد مشاهده: 87
نویسندگان
دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد لامرد
دانشوی ارشد مهندسی نرم افزار دانشگاه آزاد اسلامی واحد لامرد
چکیده
در این تحقیق، هدف اصلی پیشبینی و شناسایی دقیق بیماران مبتلا به سرطان ریه با استفاده از الگوریتمهای مخت لف یادگیری ماشین بوده است. برای این منظور، چهار مدل پرکاربرد شامل شبکه عصبی مصنوعی (ANN)، درخت تصمیم (Decision Tree)، جنگل تصادفی (Random Forest) و ماشین بردار پشتیبان (SVM) مورد استفاده و مقایسه قرار گرفتند. پس از پیشپردازش داده ها و آموزش مدل ها، عملکرد آن ها بر اساس شاخص هایی مانند دقت کلی (Accuracy)، دقت مثبت (Precision)، حساسیت (Sensitivity)، ویژگی (Specificity) و امتیاز F۱-Score ارزیابی شد. نتایج نشان داد که مدل SVM با دقت ۷.۵۸٪ و ویژگی ۱۱۱٪، بهترین عملکرد را در شناسایی بیماران واقعی و جلوگیری از تشخیص اشتباه افراد سالم دارد. مدلهای Random Forest و Decision Tree نیز عملکرد قابل قبولی داشتند و مدل ANN ضعیفترین نتایج را ثبت کرد. این مطالعه نشان می دهد که انتخاب مدل مناسب می تواند تاثیر بسزایی در بهبود سامانههای پشتیبان تصمیم گیری در حوزه پزشکی داشته باشد، بهویژه برای بیماری های حساس مانند سرطان ریه. در نهایت، استفاده از مدلهای قوی تر، دادههای گسترده تر و ترکیب دادههای عددی و تصویری، افق هایی روشن برای توسعه سیستمهای هوشمند تشخیص پزشکی فراهم می سازد.کلیدواژه ها
سرطان ریه, یادگیری ماشین, ماشین بردار پشتیبان, شبکه عصبی مصنوعی, تشخیص پزشکیمقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.