آیلین پاکزاد - عضو هیات علمی گروه مهندسی صنایع، دانشگاه کوثر بجنورد، بجنورد، ایران

تشخیص بیماری یکی از موارد مهم در علم پزشکی است، خصوصا تشخیص به موقع سرطان سینه، میزان مرگ و میر ناشی از آنرا به میزان چشمگیری کاهش می دهد. اگرچه شایع ترین و قطعی ترین روش تشخیص سرطان سینه، بیوپسی توده سینه و تشخیص ضایعه می باشد، اما امروزه استفاده از روش های کمتر تهاجمی مانند داده کاوی برروی داده های آزمایش آسپیراسیون سوزنی از اتلاف هزینه بیمار و تغییرات بافتی در ضایعه جلوگیری می نماید. این پژوهش برروی پایگاه داده WDBC انجام شده است. انتخاب ویژگی، به کمک روش رگرسیون قد مبه قدم صورت گرفت و روش رگرسیون لجستیک برای تشخیص سرطان سینه استفاده شد. مدل پیش بینی پیشنهادی تنها با درنظر گرفتن 14 ویژگی و پارامترهای بهینه با نرخ صحت 100 % توانست مجموعه داده ها را دسته بندی کند. این مدل از دو جهت باعث بهبود در تشخیص سرطان سینه شده است؛ 1 در مقایسه با سایر مدل های پیش بینی از تعداد کمتری ویژگی استفاده می کند. 2- با اطمینان بسیار بالا می تواند نوع دسته را مشخص کند.

داده کاوی در پزشکی، سرطان سینه، انتخاب ویژگی، رگرسیون قدم به قدم، پیش بینی، رگرسیون لجستیک، بهینه سازی پارامترها