مقايسه عملكرد الگوريتم هاي يادگيري ماشين و شبكه عصبي براي طبقه بندي بيماران مبتلا به سرطان ريه

سرطان ريه يكي از بيماري هاي خطرناكي است كه سالانه باعث مرگ و مير تعداد زيادي از مبتلايان در سراسر جهان مي شود. مشخصه ي اين بيماري رشد كنترل ‌نشده سلول ها در بافت‌هاي ريه است و علائم اوليه آن معمولاً سرفه يا خستگي مداوم است كه به راحتي مي‌توان آنها را بي‌اهميت جلوه داد و از كنار آن رد شد. تنها 30 درصد از بيمارن مبتلا به سرطان ريه در مرحله ابتدايي متوجه بيماري خود مي‌شوند. اين آمار تا حدي توضيح مي‌دهد كه چرا بيشتر بيماران مبتلا به سرطان ريه كمتر از 5 سال عمر مي‌كنند. مطالعات نشان مي‌دهد اگر سرطان ريه زودتر تشخيص داده شود ميزان مرگ و مير بين 20 تا 30 درصد كاهش پيدا مي‌كند. هدف ما دراين پژوهش مقايسه عملكرد الگوريتم هاي k-نزديكترين همسايه، شبكه عصبي و ماشين بردار پشتيبان به منظور پيش بيني احتمال ابتلاي افراد به بيماري سرطان ريه با استفاده از ويژگي هاي باليني آنها مي باشد. براي اين منظور از داده هاي مربوط به آن با هدف آموزش و آزمايش الگوريتم هاي مذكور استفاده شد و نتيجه ي اين پژوهش نشان داد كه بهترين عملكرد مربوط به روش k-نزديكترين همسايه با دقت 94% مي باشد.