تکنیک های تشخیص سرطان خون با استفاده از داده کاوی

تکنیک های تشخیص سرطان خون با استفاده از داده کاوی


  • 448 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:
 استفاده از داده کاوی در پزشکی یکی از تکنیکهای پرکاربرد داده کاوی محسوب می شود که نقش حیاتی در سلامت دارد و منجر به کشف دانش جدید، سودمند و ماندگار در پایگاه داده ها می شود. امروزه بخش سلامت و پزشکی بیشترین نیاز را به داده کاوی پیدا کرده و حرکت از پزشکی سنتی به سمت پزشکی مبتنی بر شواهد از جمله مواردی است که می توان مؤكد این امر باشد زیرا هنگامی که تعداد پارامترها 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 اخیر از ابزار های تشخیص کامپیوتری با هدف کمک به پزشکی با استفاده از ابزارها، احتمال بروز خطاهای احتمالی ناشی از خستگی و یا بی تجربگی فرد را کاهش دهد، سرطان خون یکی از رایج ترین سرطان ها در بین مردم است که در این مقاله سعی شده با استفاده از تکنیک های داده کاوی مانند خوشه بندی، درخت تصمیم گیری و الگوریتم ژنتیک به تشخیص سرطان خون در کمترین زمان و با جزئیات بیشتر در اختیار پزشک قرار میدهد. 

نتیجه گیری
 در این مقاله یک تکنیک برای تشخیص سرطان خون ارائه شده است، ما در روش پیشنهادی خود، از الگوریتم ژنتیک، الگوریتم خوشه بندی و درخت تصمیم گیری استفاده کردیم. که یک بیمار وقتی جواب آزمایشات خود را به پزشک نشان می دهد و پزشک مربوطه بدون ترس از خطا های احتمالی ناشی از خستگی و کم تجربگی می تواند جواب به بیمار خود بدهد. در این مقاله در ابتدا از الگوریتم ژنتیک استفاده شده که پزشک داده ها را در الگوریتم وارد می کند هر داده با یک نام و یک مفهوم در الگوریتم ژنتیک بررسی می شود مانند یک رشته که به عنوان کروموزوم یا خصیصه ها و ویژگی ها در رشته به عنوان ژن و ... نام گذاری می شود و بعد در الگوریتم خوشه بندی آنها را ترکیب و دسته بندی کنیم در نهایت یک درخت تصمیم می توان برای طبقه بندی یک نمونه ی جدید با شروع از ریشه درخت و حرکت آن تا رسیدن به یک گره برگ مورد استفاده قرار گیرد. در هر گره تصمیم غیر برگ، نتیجه ی مشخصه ها برای آزمایش در گره تعیین می شود و در آخر یک سری عملیات ریز در درخت تصمیم بر روی داده ها انجام می شود که یک تصمیم نهایی در مورد نتیجه آزمایش به دست می آید. در این مقاله به صرفه جویی در وقت و هزینه توجه بسیار شده.

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. 

​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.