تشخيص ابتلا به سرطان پستان با استفاده از رو شهاي درخت تصميم، شبكه عصبي و بيز ساده به منظور ارايه مدل بومي ويژه استان فارس

Diagnosis of Breast Cancer Using Decision Tree, Artificial Neural Network and Naive Bayes to Provide a Native Model for Fars Province

زمينه و هدف: سرطان پستان شايع‌‌ترين سرطان و اصلي‌ترين علت مرگ ناشي از سرطان در زنان سراسر جهان به­‌شمار مي‌رود. تكنولوژي‌هايي مثل داده كاوي، به متخصصان اين حوزه، امكان بهبود تصميم‌گيري را در زمينه­ي تشخيص زودهنگام فراهم آورده‌اند. هدف از اين پژوهش توسعه­‌ي مدل تشخيص‌ خودكار سرطان پستان با به­‌كارگيري روش‌هاي داده كاوي و انتخاب مدل بومي ويژه بيماران استان فارس با بالا‌ترين دقت تشخيص مي‌باشد. روش بررسي: در اين مطالعه، تعداد 654 پرونده در دسترس از بيماران كلينيك تخصصي سرطان پستان مطهري شيراز به­‌عنوان نمونه مورد استفاده قرار گرفت كه بعد از عمليات پيش پردازش اين تعداد به 621 پرونده كاهش يافت. براي هر كدام از نمونه­‌ها داراي 22 ويژگي در پرونده پزشكي ثبت شده بود كه در نهايت 10 ويژگي تاثير‌گذار در ساخت مدل استفاده شد. از سه روش درخت تصميم، بيز ساده و شبكه عصبي مصنوعي به­‌منظور تشخيص ابتلا به سرطان پستان و روش 10-fold cross-validation براي ساخت و ارزيابي مدل بر روي مجموعه داده­‌ي جمع‌­آوري شده بهره گرفته شد. يافته‌ها: نتايج به­‌دست آمده از سه تكنيك ذكر شده نشان داد كه هر سه مدل، نتايج اميدبخشي در تشخيص اين سرطان دارند. در نهايت، شبكه عصبي مصنوعي، بالا‌ترين دقت 94/49%(حساسيت 96/19%، ويژگي 86/36%)، در تشخيص ابتلا به سرطان پستان به خود اختصاص داد. نتيجه گيري: بر طبق نتايج حاصل از درخت تصميم ايجاد شده، ريسك فاكتورهايي چون سن، وزن، سن شروع قاعدگي، يائسگي، مدت زمان مصرف OCP و سن اولين بارداري از جمله عوامل موثر در ابتلاي زنان به سرطان پستان در استان فارس شناخته شدند.

Background and Aim: Breast cancer is the most common type of cancer and the main cause of death from cancer in women worldwide. Technologies such as data mining, have enabled experts in this area to improve decision making in the early diagnosis of the disease. Therefore, the purpose of this research is to develop an automatic diagnostic model for Breast cancer by employing data mining methods and selecting the model with the highest accuracy of diagnosis for Fars province. Materials and Methods: In this study, 654 available patient records of Motahari Breast cancer Clinic in Shiraz" were used as the sample. The number of records was reduced to 621 after the pre-processing operation. These samples had 22 features that ultimately ten were used as effective features in the design of the model. Three types of Decision tree, Naive Bayes and Artificial neural network were used for diagnosis of Breast cancer and 10-fold cross-validation method for constructing and evaluating the model on the collected data set. Results: The results of the three techniques mentioned all three models showed promising results in detecting Breast cancer. Finally, the artificial neural network accounted for the highest accuracy of 94/49%(sensitivity 96/19%, specificity 86/36%) in the diagnosis of Breast cancer. Conclusion: Based on the results of the decision tree, the risk factors such as age, weight, age of menstruation, menopause, duration of OCP usage, and the age of the first pregnancy were among the factors affecting the incidence of Breast cancer in women of Fars province.