ارزیابی الگوریتم های داده کاوی شبکه های بیزین و درخت تصمیم گیری در تشخیص سرطان لنفوم

وجود طیف گستردهای از تکنیک های داده کاوی منجر به دستیابی به نتایج مطلوب با دقت بالاتر خواهد شد؛ بنابراین، انتخاب تکنیک مناسب، می تواند منجر به تحلیل کاملتر و دقیقتر اطلاعات گردد. عملکرد تکنیک های داده کاوی را می توان از جنبه های گوناگونی مورد ارزیابی قرارداد. چالش های اصلی در کار با اطلاعات افراد مبتلابه سرطان لنفوم، فراوانی عوامل موثر در ایجاد بیماری و نقص در اطلاعات در دسترس است. سرطان لنفوم به دو نوع هوچکین و غیر هوچکین تقسیم بندی می شود. با انجام آزمایش بر روی سلول های نشان گری که تومورمارکر نامیده می شوند امکان تشخیص نوع سرطان فراهم می گردد. در این تحقیق ملاک انتخاب تومورمارکرها، وجود اشتراک در بین دو نوع سرطان لنفوم درنظرگرفته شده است. پنج تومورمارکر CD3, و CD30، CD20،CD15 LCA به همراه نوع سرطان لنفوم و جنسیت بیمار به عنوان متغیرهای این تحقیق انتخاب شده است. عملکرد چهار تکنیک دادهکاوی شبکه بیزین و درخت تصمیم گیری برای انتخاب تکنیک موثر با استفاده از معیار های دقت، حساسیت، میانگین هارمونیک و نسبت خطا با انتخاب یک فاصله اطمینان 90 درصد و مقدار پشتیبان 65 درصد برای تشخیص لنفوم موردبررسی قرار گرفت. نتیجه حاصل نشان دهنده تاثیر مثبت متغیرهای انتخاب شده است. نتایج اجرای تکنیک ها و ارزیابی ها نشان داد که تکنیک درخت تصمیم گیری با صحت 82/66 حساسیت 94/98، میانگین هارمونیک 85/36 ونسبت خطا 17/33 عملکرد بهتری داشته است. بررسی ما نشان داد که تومورمارکرهای CD15,CD3 مثبت و جنسیت در تشخیص سرطان لنفوم نقش ندارد. این در حالی است که تومورمارکرهای LCA,CD20 در لنفوم نوع غیر هوچکین و تومورمارکر CD30 در لنفوم نوع هوچکین مارکر مناسبی برای تشخیص می باشند