پيش بيني بقاي بيماران مبتلا به سرطان ريه با استفاده از الگوريتم هاي طبقه بندي در داده كاوي

سرطان ریه از جمله سرطان های شایع است كه دیرآگاهي از آن سبب فوت مي شود و اگر بتوان بقای این سرطان را پيشی بینی كرد، مي توان جان افراد زیادی را نجات داد. هدف از این مطالعه كشف ارتباطات و الگوها با استفاده از داده های باليني در داده كاوی مي باشد كه مي تواند در پیش بینی بقای بيماران مبتلا به سرطان ریه مورد استفاده قرار گيرد.این مقاله از داده های پزشكي كه در ارتباط با این بيماری توسط سایت SEER طي سال ها جمع آوری شده است، استفاده مي كند. ویژگي ها با استفاده از سه الگوریتم داده كاوی درخت تصميم، شبكه ی بيزیان و شبكه های عصبي مورد بررسي قرار مي گيرند و ميزان تأثير هر ویژگي در پيش آگهي بقای بيماران سرطان ریه مورد مطالعه قرار مي گيرد. با استفاده از الگوریتم ها مدل هایي ایجاد شده است كه ميزان خطر مرگ و مير را در پنج دسته ی شش ماه، نه ماه،یك سال، دو سال و پنج سال تشخيص مي دهند. نتایج آزمایشات نشان مي دهد بالاترین دقت مربوط به الگوریتم C5.0 درخت تصميم مي باشد. پس از اعمال روش پيشنهادی انتخاب ویژگي، دقت مربوط به الگوریتم C5.0 معادل با 97.93 % مي شود. همچنين روش كاهش ابعاد با استفاده از الگوریتم PCA به منظور مقایسه با روش انتخاب ویژگي بكار برده مي شود. با توجه به مقایسه نتایج، روش انتخاب ویژگي دقت بالاتری را نسبت به روش كاهش ابعاد نشان مي دهد.