بررسی عملکرد سه الگوریتم درخت تصمیم، شبکه عصبی و ماشین بردار پشتیبان در پیشبینیبقای بیماران مبتلا به سرطان سینه

امروزه استفاده از سیستمهای دسته بندی در تشخیص پزشکی، ه تدریج در حال افزایش است. سیستمهای دستهبندی، میتوانند به کاه. خطایی که ممکن است توسط کارشناسان کم تجربه اتفاق بیافتد، کمک کند و همچنین امیان بررسی دادههای پزشکی را در زمان کوتاهتر و با جزئیات بیشتر فراهم میکند. یکی از بیماریهای رایر و خطرناک سرطان سینه است که دلیل اصلی مرگ زنان 40 تا 55 ساله و دومین عامل مرگ زنان پس ازسرطان ریه میباشد. پیشبینی تشخیص، بقا و عود بیماران مبتلا به سرطان سینه ، همواره یک از چالش های مهم برای محققین و پزشیان این حوزه بوده استم در این مقاله، به بررسی عملیرد سه الگوریتم رایکر داده کاوی، یعنی شبیه عصبی، درخت تصمیم و ماشین بردار پشتیبان در پیشبینی بقاء بیماری سرطان سینه پرداخته شده است مرزهای پیشنهادی توسط نرمافزار Weka مورد ارزیابی قرار گرشته است و نتایج نشان میدهد شبیه عصبی با میزان دقت 82٪ و میانگین خطای مطلق 0.21٪ کارایی بهتر نسبت به دو الگوریتم درخت تصمیم و ماشین بردار پشتیبان ارائه می دهد.

کلیدواژه ها:

دادهکاوی ، سرطان سینه ، شبیه عصبی ، درخت تصمیم ، ماشین بردار پشتیبان