مروری بر روشهای تشخیص سرطان سینه

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,343

فایل این مقاله در 13 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:

NCRC01_121

تاریخ نمایه سازی: 25 آذر 1395

چکیده مقاله:

تشخیص تومور یکی از مهمترین مباحث حوزه پزشکی است و با توجه به اینکه سرطان سینه شایعترین نوع سرطان در بین زنان می باشد، اهمیت موضوع دوچندان خواهد شد. در این مقاله به معرفی تعدادی از روشهای تشخیص سرطان سینه با استفاده از داده کاوی می پردازیم. مجموعه داده مورد استفاده در این مقالات مجموعه داده WDBC است. با استفاده از تکنیک انتخاب ویژگی علاوه بر حذف داده های نویز یا تکراری، دقت تشخیص نیز افزایش می یابد. با توجه به نتایج به دست آمده روش K-SVM با 6 ویژگی و دقت 97.26 بالاترین دقت را دارد.

کلیدواژه ها:

سرطان سینه - داده کاوی - انتخاب ویژگی

نویسندگان

پریزاد مهوش

دانشجوی کارشناسی ارشد مهندسی کامپیوتر - نرم افزار دانشگاه آزاد اسلامی نیشابور

رضا قائمی

هیأت علمی دانشگاه آزاد اسلامی قوچان

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 :
  • Zheng, B., S.W. Yoon, and S.S. Lam, _ cancer diagnosis ...
  • Onan, A., A fuzzy-rough nearest neighbor classifier combined with co ...
  • Karabatak, M. and M.C. Ince, An expert system for detection ...
  • Platt, J., Sequential minimal optimization: A fast algorithm for training ...
  • Myers, R., D. Montgomery, and G. Vining, Generalized linear models ...
  • Chatterjee, S., A. Hadi, and B. Price, The Ase of ...
  • Lundin, M., et al., Artificial neural networks applied to survival ...
  • Jerez-Aragone s, J.M., et al., A combined neural network and ...
  • Marcano -Cedeio _ A., J. Quintani la-Dominguez, and D. Andina, ...
  • Id icula-Thomas, S., et al., A support vector machine-based method ...
  • Cortes, C. and V. Vapnik, Support-vector networks. Machine learning, 1995. ...
  • Akay, M.F., Support vector machines combined with feature selection for ...
  • Chen, H.-L., et al., A support vector machine classifier with ...
  • Zhao, M., et al., Featture selection and parameter optimization for ...
  • K.Menaka , S.K., Breast Cancer Classification using Support Vector Machine ...
  • Jain, A.K., M.N. Murty, and P.J. Flynmn, Data clustering: a ...
  • Chen, D.-R., et al. Texture analysis of breast tumors on ...
  • Breiman, L., friedman JH, olshen ra, Stone Cg (1984) Classification ...
  • Eberhart, R.C. and J. Kennedy. A new optimizer using particle ...
  • Allahverdi, A. and F.S. Al-Anzi, A PSO and a Tabu ...
  • Yeh, W.-C. W.-W. Chang, and Y.Y. Chung, A new hybrid ...
  • نمایش کامل مراجع