首页    期刊浏览 2024年11月27日 星期三
登录注册

文章基本信息

  • 标题:مقایسه عملکرد دو مدل‏ پیش‏بینی متاستاز براساس تکنیک‏های داده‏کاوی در بیماران سرطان پستان
  • 其他标题:Performance Evaluation of two Prediction Models for Breast Cancer Metastasis Based on Data Mining Techniques, A Comparison Study
  • 本地全文:下载
  • 作者:Najme Nazeri ; Ali Reza Atashi ; Sara Dorri
  • 期刊名称:Knowledge & Health Journal
  • 印刷版ISSN:1735-577X
  • 出版年度:2017
  • 卷号:12
  • 期号:1
  • 页码:36-42
  • DOI:10.22100/jkh.v12i1.1613
  • 语种:Persian
  • 出版社:Shahroud University of Medical Sciences
  • 摘要:مقدمه: با شناسایی فرآیند متاستاز و عوامل مؤثر بر آن به بهبود و بقای طولانی مدت بیماران کمک شایانی خواهد شد. هدف از مطالعه حاضر بررسی و شناسایی عوامل تأثیرگذار در پیش‏بینی متاستاز سرطان پستان با استفاده از ابزارهای داده‏کاوی است. داده‏كاوي ابزار کشف دانش از میان انبوهی از داده است كه امروزه در زمينه‏هاي مختلفي كاربرد پيدا كرده است. تشخيص بيماري‏ در علم پزشكي يكي از زمينه‏هاي رو به رشد و پركاربرد داده‏كاوي است.مواد و روش‌ها: در این پژوهش پس از آماده‏سازی داده‏ها، 2025 رکورد قابل استفاده مورد تجزيه و تحليل قرار گرفت. سپس با استفاده از الگوریتم‏های شبکه عصبی و CHAID به کشف الگوهایی که به پیش‏بینی متغیرهای تأثیرگذار بر متاستاز در بیمار کمک می‏کند، پرداخته‏ایم.نتایج: براساس نتایج متغیرهای Stage تومور، نوع عمل جراحی، نوع سرطان براساس پاتولوژی مهمترین متغیرهای پیش‏بینی‌کننده متاستاز هستند.نتیجه‌گیری: مقایسه عملکرد مدل‏ها در این پژوهش نشان می‏دهد که الگوریتم‏های CHAID و شبکه عصبی در پایگاه داده مورد استفاده، روش‏های مناسبی برای پیش‏بینی متاستاز در بیماران سرطان پستان می‏باشد.
  • 其他摘要:Introduction: Defining the metastasis processes and what are the most effecting factors on improve the survival of patients and hopefully treating them. We aim to investigate and defining the factors predict breast cancer metastasis using data mining techniques. Data mining is the technique and tool of knowledge discovery from the big data. Nowadays data mining is spreading rapidly in several areas of research and business. In medicine, diagnosis of diseases is one of the fruitful and highly spreading filed of data mining.Methods: There were 2025 usable records in ACECR Breast Disease Center’s data base after data preparation. We try to uncover the patterns that would help the prediction of metastasis factors using CHAID and Artificial Neural Network.Results: After implementing mentioned algorithms, the tumor stage, surgery type and pathology results, the most important variables in metastasis prediction.Conclusion: Comparing the algorithms execution revealed that, Artificial Neural Network, CHAID are convenient prediction models for breast cancer metastasis.
  • 关键词:داده‏كاوي، سرطان پستان، متاستاز، پیش‏بینی
  • 其他关键词:Data mining; Breast cancer; Metastasis; Prediction
国家哲学社会科学文献中心版权所有