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

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 484

فایل این مقاله در 18 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:

JR_JCEJ-7-25_002

تاریخ نمایه سازی: 5 خرداد 1398

چکیده مقاله:

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 پژوهش 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 با استفاده از الگوریتم آدابوست می­پردازد، توانایی پیش بینی نوع تومور خوش خیم یا بدخیم با دقت96.67 درصد را دارا می­باشد. 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 ، آدابوست

نویسندگان

محسن غلامی

گروه مهندسی کامپیوتر، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران

سید جواد میرعابدینی

گروه کامپیوتر، واحد تهران مرکز، دانشگاه آزاد اسلامی، تهران، ایران

مرضیه دادور

گروه هوش مصنوعی، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران

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 :