تکنینک های داده کاوی به کار بسته شده برای پیش بینی و تشخیص سرطان سینه

تکنینک های داده کاوی به کار بسته شده برای پیش بینی و تشخیص سرطان سینه


  • 284 بازدید

 آکادمی داده  که به زودی پنجمین سال فعالیت خود را جشن می گیرد سالهاست به دنبال ایجاد محتوای مفید برای علاقه مندان علوم داده‌کاوی، متن کاوی و علوم مرتبط با علم داده، مدیریت دانش، هوش تجاری و مباحث مرتبط است.  آکادمی داده  امیدوار است با این اقدامات بتواند اثری هر چند اندک در افزایش آگاهی علاقه مندان به این حوزه ها داشته باشد. در این سری مقالات  آکادمی داده  تلاش دارد مقالات جالب، جدید، پر محتوا و اثرگزار را در علوم داده‌کاوی، متن کاوی، مدیریت دانش، هوش تجاری و مباحث مرتبط ارایه نماید. در این سری مقالات ابتدا مقدمه و سپس نتیجه گیری مقالات ارایه شده است و سپس‌ فایل پی دی اف مقاله برای دانلود رایگان علاقه مندان توسط  آکادمی داده تهیه شده و قابل دانلود است.

چکیده 
پیش بینی و تشخیص سرطان سینه، دو کاربرد پزشکی هستند که چالش بزرگی برای پژوهشگران در بردارند. استفاده از تکنیک های داده کاوی و دانش ماشین در فرآیند کل پیش بینی و تخیص سرطان سینه تغییرات اساسی داده است. تشخیص سرطان سینه، برامدگی های سینه خوش خیم را از بدخیم متمایز کرده و پیش بینی سرطان سینه، زمانی که احتمال عود و بازگشت سرطان در بیمارانی که سرطان هایشان تحریک شده است وجود دارد را پیش بینی می کند. بنابراین، این دو مسئله اساسا در حیطه ی مسائل دسته بندی هستند. این متن مطالعاتی، مقالات تخصصی و تجدید نظرات متنوع درباره پیش بینی و تشخیص سرطان سینه را جمع بندی می کند. در این متن، ما رئوس کلی پژوهش جاری را ارائه کردیم که با استفاده از تکنیک های داده کاوی جهت ترفیع پیش بینی و تشخیص سرطان سینه در حال اجرا می باشد.

نتیجه گیری 
این متن مطالعه ای از متون تجدید نظر و تخصصی گوناگون درباره ی مسائل پیش اگهی و تشخیص سرطان سینه ارائه کرده و کاوش می کند که تکنیک های داده کاوی، نوید بزرگی برای کشف الگوهای مخفی در داده هایی ارائه و عرضه کردند که می تواند به متخصصین بالینی در تصمیم گیری کمک کند. از مطالعه ی فوق مشاهده می شود که دقت برای تحلیل تشخیص تکنیک های گوناگون دسته بندی داده کاوی اعمال شده تا حد زیادی قابل قبول است و می تواند به متخصصان پزشکی در تصمیم گیری برای تشخیص اولیه و اجتناب از بافت برداری کمک کند. مسئله ی پیش اگهی اساسا تحت ANN ها تحلیل شده و دقت آن در مقایسه با تکنیک های دسته بندی اعمال شده برای موارد یکسان، بالاتر می رود. اما مدل های مؤثرتری نیز می تواند برای مسئله ی پیش اگهی ارائه شود همچون جانشین کردن بهترین ویژگی های مدل های تعریف شده در هر دو مورد، می توانیم ببینیم که مدل ممکن است پس از ساختن چندین نوع مدل مختلف یا با تلاش برای الگوریتم ها و تکنولوژی های متفاوت بدست آروده شود.

این مقاله توسط آکادمی داده تهیه شده است و از طریق لینک قابل دسترسی است. محققین علاقه مند می توانند آن را به صورت رایگان دریافت نمایند. 

اگر در حال پژوهش در حوزه داده کاوی هستید، سوالات و اشکالات خود را از طریق تلگرام با آکادمی داده در میان بگذارید. با عضو شدن در کانال تلگرام  آکادمی داده از مقالات جدید و دیتاست های منتشر شده مطلع شوید. 

مجموعه مقالات فارسی به صورت یکجا نیز از طریق لینک قابل دسترسی هستند. 

اگر در زمینه داده کاوی در حال تحقیق یا پیاده سازی پروژه یا پایان نامه هستید برای گرفتن مشاوره یا دادن سفارش انجام با ما تماس بگیرید.  آکادمی داده در تلگرام (https://t.me/dataacademyحضور دارد برای ارتباط از طریق ایمیل آدرس جیمیل: dataacademyir@gmail.com می باشد.