ارائه یک الگوریتم برای پیش بینی عود بیماران مبتلا به سرطان پستان با استفاده از الگوریتم ژنتیک و الگوریتم نزدیک ترین همسایگی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
مقدمه

بیماری سرطان پستان یکی از شایع ترین انواع سرطان و شایع ترین نوع بدخیمی در زنان است که در سال های اخیر روند رو به رشدی داشته است. در مبتلایان به این بیماری همواره احتمال عود مجدد وجود دارد. عوامل زیادی میزان این احتمال را کاهش یا افزایش می دهند. داده کاوی از روش هایی است که در تشخیص یا پیش بینی سرطان ها به کار می رود و یکی از بیشترین کاربردهای آن، پیش بینی عود مجدد سرطان پستان است.

روش

در این مطالعه گذشته نگر از داده های 699 بیمار مبتلا به سرطان پستان با 14 ویژگی استفاده شد که از این تعداد 458 نفر (66 درصد) سرطان آن ها عود نکرد و 241 نفر (34 درصد) سرطان آن ها عود کرده است. این اطلاعات از سال 1391 تا 1394 از پرونده بیماران سرطان پستان جهاد دانشگاهی جمع آوری شد. در این پژوهش از ترکیب دو الگوریتم نزدیک ترین همسایگی و الگوریتم ژنتیک برای پیش بینی عود بیماران مبتلا به سرطان پستان استفاده گردید. ابتدا الگوریتم نزدیک ترین همسایگی برای پیش بینی عود سرطان پستان ارائه شد سپس به کمک الگوریتم ژنتیک متغیرهای وابسته کاهش یافت تا مدل صحت مناسب تری داشته باشد.

نتایج

تعداد متغیرهای وابسته 14 متغیر بود که به کمک الگوریتم ژنتیک به 6 متغیر کاهش پیدا نمود تا مدل پیش بینی کارایی بهتری داشته باشد. جهت ارزیابی مدل از پارامتر صحت استفاده شد که مقدار آن برای مدل پیشنهادی 14/77 درصد است که نسبت به روش های دیگر خروجی مناسب تری دارد.

نتیجه گیری

در این مطالعه الگوریتم پیشنهادی با روش های دیگر پیش بینی مورد بررسی قرار گرفت و مشخص گردید الگوریتم پیشنهادی دارای صحت بهتر است.

زبان:
فارسی
صفحات:
309 تا 319
لینک کوتاه:
magiran.com/p2101143 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!