تکنیک های داده کاوی در تشخیص و پیش بینی تومورهای بدخیم سرطان ریه در استان کرمانشاه

امروزه بدلیل تولید حجم زیادی از داده ها و درک ناممکن انسان از آن، علم داده کاوی با تلفیق علوم دیگر، قصد دارد الگوهای پنهان درون این داده ها را کشف کند. هنگامی که تعداد پارامتر ها در تشخیص بیماری زیاد می شود ممکن است تشخیص بیماری حتی برای یک متخصص خبره پزشکی نیز به سختی امکان پذیر باشد همین دلیل موجب شده که در چند دهه ا خیر از ابزارهای تشخیص کامپیوتری با هدف کمک به پژشکی با استفاده از ابزارها احتمال بروز خطاهای احتمالی ناشی از خستگی و یا بی تجربگی فرد را کاهش دهد از آنجا که یکی از شایع ترین سرطا نها،تومورهای ریوی است بنابراین تشخیص زودهنگام سرطان ریه می تواند به پزشکان جهت درمان و زنده نگه داشتن بیماران کمک کند. ویژگی های مطرح شده در این مجموعه داده برای روش کلاس بندی درخت تصمیم از الگوریتم J۴۸، کلاسه بندی بیزین از NaiveBayes، نزدیکترین K همسایه از IBK، ماشین بردار پشتیبان از SMO و الگوریتم آدابوست استفاده شده است، در این بررسی میزان تاثیر هر ویژگی در پیش بینی سرطان ریه مورد مطالعه قرار می گیرد و مدل هایی از آموزش توسط این الگوریتم ها ایجاد می شود. این پژوهش با هدف، پیش بینی بدخیمی بیماری سرطان ریه با استفاده از داده های بالینی از بیمارستان امام رضا استان کرمانشاه جمع آوری شدند.

کلیدواژه ها:

داده کاوی ، سرطان ریه ، ماشین بردار پشتیبان