کد مقاله کد نشریه سال انتشار مقاله انگلیسی ترجمه فارسی نسخه تمام متن
385171 660861 2015 9 صفحه PDF 22 صفحه WORD دانلود رایگان
عنوان انگلیسی مقاله ISI
Data mining in lung cancer pathologic staging diagnosis: Correlation between clinical and pathology information
ترجمه فارسی عنوان
داده کاوی در تشخیص استقرار (نمایش) آسیب شناسی سرطان ریه: ارتباط مابین اطلاعات آسیب شناسانه و بالینی
کلمات کلیدی
سرطان ریه - تشخیص مرحله بندی سرطان - داده کاوی -
فهرست مطالب مقاله
چکیده
کلمات کلیدی
1.مقدمه
۲. پژوهش های مرتبط
۳. چارچوب کاری مطروحه برای سیستم استقرار آسیب شناسی سرطان
۳.۱ پیش پردازش داده و مجموعه داده آسیب شناسی
شکل ۱. چارچوب کاری سیستم استقرارسرطان مطروحه
۳.۲ طبقه بندی درخت تصمیم و مجموعه داده بالینی
شکل ۲. گزارش آسیب شناسی و مجموعه داده آسیب شناسی طراحی شده
شکل ۳. نمونه درخت تصمیم
۳.۳ قوانین استخراجی از طریق کاوش انجمنی
شکل ۴. استفاده از درخت تصمیم برای استخراج ویژگی ها با مقادیر معتبر. AVV ارجاعی به صفات با مقادیر معتبر می باشد.
شکل ۵. داده بالینی و مجموعه داده بالینی طراحی شده
شکل ۶. توزیع صفات در مجموعه داده آسیب شناسی. ستون ها با خطوط پر شده عمودی بیانگر توزیع صفت T ، ستون ها با خطوط پرشده افقی بیانگر توزیع صفت N ، و ستون های پر شده با توری بیانگر توزیع صفت M می باشد.
جدول ۱. توزیع صفات (ویژگی) در مجموعه داده بالینی
جدول ۲. تعریف پشتیبانی ، اعتماد و برداشتن.
۳.۴ انتخاب قانون
۴. نتایج و مباحثات
شکل ۷. داده وارد شده برای یادگیری انجمنی (۶ رکورد)
جدول ۳. تعداد قوانین برای هر متغیر متناظر در صفات آسیب شناسی
جدول ۴. نتایج عملکرد قوانین انتخاب شده بوسیله SCL و CLS. مورد SCL بیانگر حمایت - سپس - اعتماد - سپس - پیشرفت بوده ، و CLS بیانگر اعتماد - سپس - پیشرفت - سپس - حمایت می باشد. 
۴.۱ ارزیابی قوانین
شکل ۸. (a) میزان RM% کلی SCL و CLS و (b) میانگین acc% ی SCL و CLS. خط توپر بیانگر مجموعه داده SCL و خط نقطه چین بیانگر مجموعه داده CLS می باشذد. RM% تعداد رکوردهای منطبق شده قوانین بالقوه بوده که توسط تعداد رکوردهای ارزیابی شده تقسیم شدند. ACC% تعداد پیش بینی رکوردهای صحیح بوده مه بوسیله تعداد رکوردهای مطابقت یافته قوانین بالقوه می باشد.
۵. جمع بندی
ترجمه چکیده
سرطان ریه یکی از عمده ترین سرطان ها برای هر دو جنسیت در سرتاسر جهان می باشد. این نوع سرطان شایع ترین دلیل مرگ و میر بر اثر سرطان بوده و تا ۲۰٪ کل آن را در برمی گیرد. وقوع سرطان ریه بصورت قابل توجه از ابتدای قرن ۱۹ ام افزایش یافته است. در این متن (مقاله) ، ما تکنیک های داده کاوی مختلفی را مورد مباحثه قرار داده ایم که برای تشخیص سرطان استفاده شده اند. استقرار (نمایش) آسیب شناسی سرطان ریه بر اساس گزارش آسیب شناسی بمنظور توصیف اندازه ویا گستردگی تومور اصلی و خواه اینکه سرطان توسعه (گسترش) یافته یا خیر (دگردیسی) می باشد. آگاه بودن از استقرار آسیب شناسی سرطان ریه ، بدلیل اینکه می تواند برای تخمین پیش بینی وضعیت بیمار مورد استفاده قرار بگیرد ، همچنین می تواند به پزشکان کمک نماید تا درمانی مناسب را برنامه ریزی کنند ، امری مهم است. نمونه بافت از ریه بیمار لازم بوده تا بدین منظور گزارش آسیب شناسی برای تشخیص استقرار آسیب شناسی سرطان ریه تکمیل گردد. در این رویه ، جراحی بیوپسی‌ (بافت برداری) ضروری است ، اما ممکن است که وضعیت سلامتی بیمار را در معرض خطر قرار دهد. بنابراین ، این مطالعه متمرکز بر گرفتن اطلاعات بالینی ای بوده که می توان بدون جراحی برای جایگذاری گزارش آسیب شناسی فراهم نمود. تکنیک های داده کاوی برای یافتن ارتباط مابین اطلاعات بالینی و گزارش آسیب شناسی بمنظور پشتیبانی از تشخیص استقرار آسیب شناسی سرطان ریه ، استفاده شده است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
Lung cancer is one of the leading cancers for both genders all over the world. It is the most common cause of cancer death and almost reaches 20% of the total. The incidence of lung cancer has significantly increased from the early 19th century. In this manuscript we have discussed various data mining techniques that have been utilised for cancer diagnosis. The lung cancer pathologic staging is set based on the pathology report to describe the size and/or the extent of the original tumour and whether the cancer has spread (metastasis). Being aware of the lung cancer pathologic staging is important because it can be used to estimate a patient’s prognosis and also can help physicians plan a suitable treatment. A sample of tissue from the patient’s lung is required in order to complete the pathology report for the lung cancer pathologic staging diagnosis. In this procedure, a surgery biopsy is necessary but it may put the patient’s health in jeopardy. Therefore, this study focuses on taking the clinical information which can be obtained without surgery to replace the pathology report. The data mining techniques are used to find the correlation between the clinical information and the pathology report in order to support lung cancer pathologic staging diagnosis.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 42, Issues 15–16, September 2015, Pages 6168–6176
نویسندگان
, ,