بررسی کاربرد تکنیک های داده کاوی بر روی داده های سرطان ریه: مطالعه موردی بیمارستان آنکولوژی امیر شیراز در سال ۱۴۰۲

در حال حاضر، سرطان ریه به عنوان یکی از بیماری های شایع و کشنده در سطح جهانی شناخته می شود و روند رو به افزایش شمار مبتلایان به آن نگران کننده است. با افزایش تعداد موارد ابتلا و داده های مربوط به این بیماری، پزشکان به ابزاری نیاز دارند که بتواند داده ها را به طور موثر طبقه بندی کرده و اطلاعات مفیدی از آن استخراج کند تا تصمیمات بهتری اتخاذ نمایند. به دلیل حجم و تنوع بالای داده ها، این کار معمولا از طریق نرم افزارهای محاسباتی انجام می شود. داده کاوی به عنوان یکی از علوم پر اهمیت در عصر حاضر، در حوزه های مختلف، از جمله علوم پزشکی، کاربرد فراوانی دارد. این علم توانایی تجزیه و تحلیل داده ها را دارد و از طریق طبقه بندی آن ها، الگوها و اطلاعات ارزشمندی را استخراج کرده و به صورت خروجی ارائه می دهد. این داده های استخراج شده می توانند به پزشکان در تشخیص و پیش بینی بیماری ها کمک قابل توجهی کنند. در این پایان نامه، نگارنده مجموعه داده هایی را که به منظور تحقیق گردآوری شده، مورد استفاده قرار داده و ویژگی ها را بر مبنای نظرات و مقالات مرتبط استخراج کرده است. الگوریتم های داده کاوی به دو دسته روش های سنتی و ترکیبی برای شناسایی بیماری سرطان ریه تقسیم بندی شده و عملکرد آن ها از نظر دقت با کمک نرم افزارهای داده کاوی مورد ارزیابی و مقایسه قرار گرفته اند. به علاوه، ویژگی های کلیدی و موثر در سرطان ریه که در تشخیص این بیماری نقش حیاتی ایفا می کنند، شناسایی شده اند. در پایان، برای پیش بینی و شناسایی بیماری سرطان ریه از نرم افزار داده کاوی وکا استفاده شده و نتایج حاکی از آن است که الگوریتم های آدابوست و J۴۸ و رگرسیون لجستیک بهترین عملکرد را در میان سایر الگوریتم ها دارند.

کلیدواژه ها:

سرطان ریه ، داده کاوی ، طبقه بندی ، روش های ترکیبی ، دقت