ارایه روشی جهت استفاده همزمان از همبستگی خطی پیرسون و ترکیب الگوریتم های داده کاوی به منظور بهبود پیش بینی نوع تومور در بیماران سرطانی

امروزه سرطان سینه از شایع ترین بیماری های سرطان در بین زنان به شمار می آید. آمارها از رشد شش درصدی این نوع سرطان در ایران حکایت می کند که نشان دهنده جدی بودن خطر آن می باشد. این در صورتی است که در صورت پیشگیری و یا تشخیص زود هنگام بیماری می توان تا حد زیادی از خطرات آن جلوگیری نمود. با پیشرفت علوم پزشکی، زمینه لازم جهت ایجاد سیستم هایی با قابلیت پیشگیری، پیش بینی و درمان بیماران با استفاده از فناوری های جدید حاصل گردیده است. داده کاوی پزشکی سعی در مدل سازی و کشف روابط بین عوامل خطرساز جهت پیش بینی وضعیت بیماران آینده با کمک از داده های در دست دارد. در این مقاله سعی گردیده تا با مقایسه الگوریتم های مختلف داده کاوی و ترکیب این الگوریتم ها، روشی جدید، کارا و با دقت بالا و قابلیت پیاده سازی بر روی داده های محلی ایجاد گردد. در نهایت روش پیشنهادی که به بهبود کارایی الگوریتم بیز ساده می پردازد، توانایی پیش بینی نوع تومور خوش خیم یا بدخیم با دقت 96.32 درصد را دارا می باشد . داده های لازم جهت این فرآیند از سایت UCI جهت تشخیص نوع تومور با569 رکورد و32 متغیر، استخراج گردیده است.

کلیدواژه ها:

ضریب همبستگی پیرسون ، الگوریتم های دسته بندی ، بیز ساده ، شبکه های عصبی ، آدابوست