بهبود دقت در تشخيص سرطان سينه با استفاده از تكنيك هاي داده كاوي

Improved Precision in Breast Cancer Diagnosis Using Data Mining Techniques

در اين تحقيق روش جديدي براي تشخيص سرطان سينه ارائه شده است. يكي از مشكلات اساسي مربوط به اين بيماري عدم تشخيص، به موقع و صحيح آن مي‌باشد. امروزه پزشكان بيش از هر چيز با تكيه بر تجربيات و دانسته‌هاي خود، آزمايشات پيچيده و وقت‌گير به اين بيماري پي مي‌برند. با اين وجود خطاهاي انساني اجتناب‌ناپذير است؛ در اين تحقيق سعي شده تا با استفاده از تركيب الگوريتم‌هاي تحليل مؤلفه اصلي به منظور كاهش ابعاد داده‌ها، درخت تصميم به منظور انتخاب بهترين حالات براي حل مساله و شبكه‌هاي عصبي مصنوعي به منظور برآورد, آموزش, انطباق‌پذيري، يادگيري ماشيني، در جهت شناسايي و تشخيص اين بيماري استفاده شده است. سيستم پيشنهادي با استفاده از تركيب روش‌هاي مذكور با تكيه بر ويژگي‌هاي پايگاه داده در قالب تركيب و تعامل به دقت شناسايي بالايي دست مي‌يابد كه در مقايسه با روش‌هاي رايج از يكطرف و روش‌هاي مصنوعي ازطرف ديگر در مراجع مذكور در نوع خود مناسب مي‌باشد. روش‌هاي حاضر علي‌رغم دقت بالا، هزينه‌بر و وقت‌گير مي‌باشند، كه با مقايسه اين روش با روش‌هاي مذكور به دقت و كارايي آن پي خواهيم برد

In this study, a new method is provided for detecting breast cancer. One of the main problems related to the disease diagnosis, timely and correct it. Today, doctors rely on the experiences and knowledge with their more than anything, complex and time-consuming tests to discover the disease. However, human error is inevitable. In this study we tried to use a combination of algorithms, principal component analysis to reduce the size of data, the decision tree to select the best scene to solve the problem of artificial neural networks to estimate, training, adaptability, machine learning, is used to identify and diagnose the disease.