مطالعه اجمالي بر بازشناسي سرطان توسط بهره گيري از روش هاي استخراج اطلاعات نهان

A Closer Look at the Recognition of Cancer by Using Unsupported Information Extraction Methods

در دنياي امروز با توجه به توسعه عارضه ي سرطان و بالا بودن شمار مرگ و مير ناشي از آن، بازشناسي زودهنگام اين عارضه بسيار مورد توجه عالم پزشكي است. يكي از سريع ترين و در دسترس ترين روش هاي شناسايي اين عارضه روش هاي استخراج اطلاعات نهان است. سرعت در شناسايي و انتخاب درمان به موقع براي بيماران سرطاني در بهبود وضعيت بيماران بسيار اثر بخش است. شناسايي ديروقت عارضه سرطان، برآيند هاي غير قابل جبراني در پيش خواهد داشت از اين رو سلول هاي سرطاني بايد با ريزبيني و سرعت بالايي شناسايي داده شوند كه اين امر براي پزشكان بسيار ضروري است. كشف دانش از داده ها در پزشكي در حال حاضر يك حوزه پژوهشي حياتي در سلامت است. از آنجايي كه سرعت و دقت در شناسايي، ارتباط مستقيم با دقت طبقه بندي در اين بيماري دارد در اين مقاله سعي شده است روش هاي طبقه بندي مختلفي از كشف دانش از داده ها (داده كاوي) اعم از انواع شبكه هاي عصبي، درخت تصميم، ماشين هاي بردار پشتيبان مورد بازبيني قرار گرفته و مزايا و معايب هر كدام توضيح داده شود. هدف اصلي اين بررسي در شناسايي پزشكي هدايت محققان براي بازشناسايي زودهنگام سرطان با سرعت و دقت بالا است.

In today s world, due to the development of cancer and the high mortality rate, the early recognition of this complication is of great interest to the medical world. One of the fastest and most accessible ways of identifying this complication is the uncovering of information extraction methods. The speed of identifying and choosing timely treatment for cancer patients is very effective in improving patients health. Identifying the latency of the cancer incident will lead to irreparable outcomes, so cancer cells should be identified with high microbiology and speed, which is very important for physicians. The discovery of knowledge from medical data is now an essential research area in health. Since speed and precision in identification are directly related to classification accuracy in this article, various methods of discovery of data from data (data mining), including types of neural networks, decision tree, The backup vector machines are reviewed and the advantages and disadvantages of each one are explained. The main purpose of this study in identifying medical science is to guide researchers to early detection of cancer with high speed and precision