• شماره ركورد
    22089
  • پديد آورنده

    نيما عينعلي

  • عنوان
    تجزيه‌ و تحليل داده‌هاي حوزه سلامت با استفاده‌ از ‌تكنيك‌هاي داده‌كاوي در قالب يك سيستم پشتيبان‌ تصميم
  • مقطع تحصيلي
    كارشناسي ارشد
  • رشته تحصيلي
    بهينه سازي سيستم ها
  • سال تحصيل
    98-99
  • تاريخ دفاع
    1399/3/7
  • استاد راهنما
    دكتر احمد ماكوئي - دكتر روزبه قوسي
  • استاد مشاور
    دكتر عليرضا آتشي
  • دانشكده
    صنايع
  • چكيده
    سرطان پستان شايع ترين سرطان در بين زنان بوده كه پس از بهبود امكان عود آن وجود دارد و سالانه زنان زيادي بر اثر عود آن جان خود را از دست مي‌دهند . تشخيص زودهنگام امكان عود هم مي‌تواند از هزينه‌هاي اضافي در حين درمان جلوگيري كند و هم ميزان مرگ‌ومير را كاهش دهد . دراين پژوهش با استفاده از تكنيك‌هاي داده‌كاوي به تجزيه‌وتحليل داده‌هاي بيماراني كه سابقه سرطان پستان‌ داشته‌اند ، در جهت پيش‌بيني عود سرطان در اين افراد اقدام گرديده است . در اين تحقيق از الگوريتم‌هاي مختلف تكنيك دسته‌بندي استفاده گرديده و نشان داده شده است كه الگوريتم جنگل تصادفي با صحت 98.08% ، دقت 96.21% ، حساسيت 99.21% و اختصاصيت 97.29% بهترين ميزان كارايي را در ميان الگوريتم‌هاي به كار رفته درجهت پيش‌بيني عود سرطان پستان دارد . همچنين در اين تحقيق جهت شناسايي مقدم‌هايي كه منجر به عود سرطان پستان شده‌اند ، از الگوريتم اپريوري تكنيك قوانين انجمني استفاده كرده و قوانين ميان مقدم‌ها ومنجر استخراج گرديد. به طور كلي عواملي چون مرحله قرار گرفتن در بيماري ، مكان قرارگرفتن توده ، وضعيت هورمون پروژسترون ، وضعيت هورمون استروژن و داشتن عمل بايوپسي از مقدم‌هاي قوانيني هستند كه مي‌توانند منجر به عود سرطان پستان بشوند.
  • تاريخ ورود اطلاعات
    1399/03/31
  • عنوان به انگليسي
    Analysing health care data set by using data mining techniques as a Decision Support System
  • تاريخ بهره برداري
    5/27/2020 12:00:00 AM
  • دانشجوي وارد كننده اطلاعات

    نيما عينعلي

  • چكيده به لاتين
    Breast cancer is the most common cancer among women, which can recur after recovery, and many women die each year consequently. Early detection of the possibility of recurrence of breast cancer can both prevent additional costs during treatment and reduce mortality. In this study, data mining techniques have been used to analyze the data of patients with a history of breast cancer in order to predict the recurrence of cancer in these patients. In this study, different algorithms of classification technique have been used, and it has been shown that a random forest algorithm with 98.08% accuracy, 96.21% precision, 99.21% sensitivity, and 97.29% specificity is the best efficiency among the algorithms used to predict breast cancer recurrence prediction. Also, in this study, in order to identify the antecedents that have led to the recurrence of breast cancer, the Apriori algorithm of the technique of the association rules was used, and the rules between the antecedents and the consequent were extracted.