Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیش بینی بقای سرطان کولورکتال با استفاده از روش بدون نظارت خوشه بندی Kmeans

سال انتشار: 1397
کد COI مقاله: NCMIMED02_039
زبان مقاله: فارسیمشاهده این مقاله: 381
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

مشخصات نویسندگان مقاله پیش بینی بقای سرطان کولورکتال با استفاده از روش بدون نظارت خوشه بندی Kmeans

سوگند ستاره - دانشجوی دکتری انفورماتیک پزشکی، دانشکده پیراپزشکی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران،
میثاق ظهیری اصفهانی - دانشجوی دکتری مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاعرسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران
احمد رئیسی - دانشجوی کارشناسی ارشد انفورماتیک پزشکی، دانشکده مدیریت و اطلاعرسانی پزشکی، دانشگاه علوم پزشکی کرمان، کرمان، ایران
محمد زارع - کارشناس ارشد اپیدمیولوژی، دانشگاه علوم پزشکی شیراز، شیراز، ایران
رضا عباسی - دانشجوی دکتری مدیریت اطلاعات سلامت، مرکز تحقیقات مدیریت اطلاعات سلامت، دانشگاه علوم پزشکی کاشان، کاشان، ایران

چکیده مقاله:

مقدمه:سرطان یکی از دلایل مهم مرگ ومیر در جهان است. سرطان کولورکتا پس از سرطان های ریه، کبد و معده چهارمین رتبه را از نظر شیوع در جهان داراست. تنها در سال 2012 حدود 694000 مورد فوت به علت سرطان کولورکتال در جهان گزارش شده است. پیش بینی بقای بیماران مبتلا به سرطان، اطلاعاتی در مورد بیمار حاصل می کند که مشخص کننده نوع درمان و واجد شرایط بودن بیمار جهت شرکت در کارآزمایی های بهداشتی است. همچنین میتوان از آن برای توسعه برنامه های نظارتی استفاده کرد. برای تحقق بخشیدن به چنین امر مهمی گروه های پژوهشی پزشکی حجم زیادی از داده های پزشکی را جمع آوری کرده و کامپیوترها را به همراه ابزارهای خودکار به کار گرفته اند. در مطالعات مختلف یادگیری ماشین بر پیش بینیپیامدهای سرطان، سعی شده است. هدف از این مطالعه پیش بینی بقای سرطان کولورکتال با استفاده از روش بدون نظارت خوشه بندی و استفاده از روش Kmeans می باشد. روش بررسی: جمعیت مورد مطالعه 569 بیمار مبتلا به سرطان کولورکتال با مرحله تومور 1 تا 4 ، مراجعه کننده به بخش پرتو درمانی بیمارستان نمازی شیراز شامل 338 بیمار زنده و 231 بیمار فوت شده از سال 1385 تا 1390 می باشند که برای پیش بینی بقاء سرطان کولورکتال با حذف برچسب کلاسی از روش خوشه بندی و از الگوریتم Kmaens استفاده شده است. برای تحلیل داده ها نیز از نرم افزار R استفاده گردید یافته ها: عمل خوشه بندی با استفاده از روش Kmeans با صحت بسیار بالایی با مقایسه صحت خوشه بندی با برچسب کلاسی تعیینگردید. بر این اساس صحت به دست 100 % به دست آمد. نتیجه گیری: استفاده از روش خوشه بندی که یک روش بدون نظارت است برای پیش بینی بقا بسیار حایز اهمیت است. هر چند روش های رده بندی نیز به نوبه خود داده های با ارزشی را نتیجه می دهد؛ اما استفاده از روش های بدون نظارت الگوهای پنهان بیشتری را در مواردی که بر چسب کلاسی موجود نیست به دست می دهد

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NCMIMED02_039 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/812336/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ستاره، سوگند و ظهیری اصفهانی، میثاق و رئیسی، احمد و زارع، محمد و عباسی، رضا،1397،پیش بینی بقای سرطان کولورکتال با استفاده از روش بدون نظارت خوشه بندی Kmeans،دومین همایش انفورماتیک پزشکی و هفتمین همایش سلامت الکترونیک و کاربردهای ICT در پزشکی ایران،تهران،https://civilica.com/doc/812336

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1397، ستاره، سوگند؛ میثاق ظهیری اصفهانی و احمد رئیسی و محمد زارع و رضا عباسی)
برای بار دوم به بعد: (1397، ستاره؛ ظهیری اصفهانی و رئیسی و زارع و عباسی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

طرح های پژوهشی مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

پشتیبانی