مقایسه و ارزیابی تکنیک های داده کاوی در جهت تشخیص بهتر سرطان سینه

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 788

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICTMNGT02_138

تاریخ نمایه سازی: 22 آبان 1395

چکیده مقاله:

سرطان سینه را میتوان به عنوان یکی از سرطانهای شایع در زنان در مقایسه با سایر سرطانها دانست. این سرطان، دومین سرطان شایع کشنده در بین زنان میباشد زیرا این روزها، سرطان سینه تبدیل به امری معمول و رایج شده است. علیرغم این واقعیت، هیچ کدام از بیمارستان های عمومی، تسهیلات لازم برای تشخیص سرطان سینه را ندارند. انتظار طولانی برای تشخیص یک بیماری سرطان سینه میتواند احتمال شیوع و انتشار سرطان را افزایش بدهد. از این رو، از تشخیص کامپیوتری سرطان سینه برای کاهش مدت زمان لازم برای تشخیص این سرطان و کاهش میزان مرگ و میر استفاده شده است. در این مقاله چند تکنیک مهم داده کاوی برای تشخیص سرطان معرفی شدند و سپس این تکنیک ها بر اساس معیارهای مختلف مورد مقایسه و ارزیابی قرار گرفتند. نتایج بدست آمده از این تحقیق نشان می دهد که روش بیزین یک روش قابل اطمینان در تشخیص سرطان است و با دقت 97/2% نسبت به دیگر روش ها عملکرد بهتری را از خود نشان داده است. صحت 97/2% به طور میانگین می تواند قابل اتکا باشد و تشخیص سنتی را به یک تشخیص ماشینی و سیستمی تبدیل کند. پس از روش بیزین مشاهده می شود که روش SMO و سپس به ترتیب روشهای KNN1،Baging،KNN3وJ48 در رتبه های بعد قرار می گیرند

نویسندگان

فاطمه سندی

دانشجوی کارشناسی ارشد مهندسی نرم افزار کامپیوتر دانشگاه آزاد فومن و شفت

الهام عسکری

عضو هیت علمی دانشگاه آزاد فومن و شفت

نرجس مطهری

دانشجوی کارشناسی ارشد مهندسی نرم افزار کامپیوتر دانشگاه آزاد فومن و شفت

پرستو شهابی چروده

دانشجوی کارشناسی ارشد مهندسی نرم افزار کامپیوتر دانشگاه آزاد فومن و شفت

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 :
  • Yang H and Phoebe Chen Y.(2015). :Data mining in lung ...
  • Efficient Prediction of Breast An:ه [2] G. Ravi Kumar, Dr. ...
  • Abo-Eleneen Z and Abdel-Azim G.(2013). _ Novel Statistical Approach for ...
  • B _ M. Gayathri, C.P. Sumathi, T.Santhanam;" BREAST CANCER DIAGNOSIS ...
  • Kharya Sh.(2012). "Using data mining techniques for diagnosisi and prognosis ...
  • Archana R and Khandait P.(2015). ?Review on Data Mining Techniques ...
  • Bichen Zheng, Sang Won Yoon _ Sarah S. Lam, :Breast ...
  • http :/dx.doi.org/ 1 0. 1016/j.eswa.20 13.08.044 ...
  • Witten Ian H, Frank Eibe, Mark A. Hall; book : ...
  • Machova K, Barcak F and Bednar P.(2006)." A Bagging Method ...
  • Han J and Kamber M.(2006). "Data Mining: Concepts and Techniques". ...
  • William H. Wolberg and O.L. Mangasarian.(1990). "Multisurface method of patern ...
  • Agrawal Sh and Agrawal J.(2015). _ Network Techniques for Cancer ...
  • Kar S, Das Sharma K and Maitra M.(2015). :Gene selection ...
  • Mahdi Mohammadi , Alireza N ikr avanshalman ;" ...
  • Mamm ography Images Using _ New Hybrid of Textural, Gradient ...
  • Panagiotis Symeonidis, Alexandros Nanopoulos, Yannis Manolopoulos, "A Unified Framework for ...
  • نمایش کامل مراجع