پیشگویی مرگ و میر ناشی از سرطان روده بزرگ با استفاده از تکنیک های داده کاوی

امروزه در دانش پزشکی جمع آوری داده های فراوان در مورد بیماریهای مختلف از اهمیت فراوانی برخوردار است. مراکز پزشکی با مقاصد گوناگون به جمع آوری این داده ها می پردازند.تحقیق روی این داده ها و به دست آوردن نتایج و الگوهای مفید در رابطه با بیماریها یکی از اهداف استفاده از این داده ها است.حجم زیاد این داده ها و سردرگمی حاصل از آن مشکلی است که مانع رسیدن به نتایج قابل توجه می شود. بنابراین از داده کاوی برای غلبه بر این مشکل و به دست آوردن روابط مفید بین عوامل خطر زا در بیماری ها با توجه به شیوع و سهمی که در مرگ و میر انسانها دارند استفاده می شوند. داده کاوی دانش استخراج روابط و الگوهای مفید پنهان در حجم زیاد داده است.این گونه مطالعات و کاوشها را به واقع می توان همان امتداد و استمرار دانش کهن و فراگیر آمار دانست.تفاوت عمده در مقیاس وسعت و گوناگونی زمینه ها و کاربردها و نیز ابعاد و اندازه های داده های امروزین است که شیوه های ماشینی مربوط به یادگیری مدلسازی و تعلم را طلب می نماید. در این مقاله سعی در ارائه راه حلی نوین در حوزه داده کاوی برای تشخیص سرطان روده شده است، که با توجه به موارد مشابه در این مورد باید راه حل ارائه شده دارای دقت پیش بینی بالاتری نسبت به تحقیقات صورت گرفته داشته باشد و ثانیاً بتواند عوامل مؤثر بر تشخیص این نوع بیماری را شناسایی کند.

کلیدواژه ها:

سرطان روده بزرگ ، داده کاوی ، درخت تصمیم ، الگوریتم هوشمند مصنوعی