Thesis

پیش بینی بقای بیماران مبتلا به سرطان ریه با استفاده از الگوریتم های طبقه بندی در داده کاوی

Abstract(in Persian; no English abstract is available)

سرطان ریه از جمله سرطان های شایع است که دیرآگاهی از آن سبب فوت می شود و اگر بتوان بقای این سرطان را پیش بینی کرد، می توان جان افراد زیادی را نجات داد. هدف از این مطالعه کشف ارتباطات و الگوها با استفاده از داده های بالینی در داده کاوی می باشد که می تواند به دانش جدیدی در پزشکی بیانجامد و در پیش بینی بقای بیماران مبتلا به سرطان ریه مورد استفاده قرار بگیرد. برای عملی کردن این پروژه از داده های پزشکی که در ارتباط با این بیماری توسط سایت seer طی سال ها جمع آوری شده است، استفاده می کنیم. ویژگی ها با استفاده از سه الگوریتم داده کاوی درخت تصمیم، شبکه ی بیزیان و شبکه های عصبی مورد بررسی قرار می گیرند و میزان تأثیر هر ویژگی در پیش آگهی بقای بیماران سرطان ریه مورد مطالعه قرار می گیرد.

Supervisors and advisors

هدیه ساجدی، محمد صنیعی آباده

Similar theses

Similar items

  • پیش‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎‎بینی بقای بیماران مبتلا به سرطان پستان با استفاده از دو مدل رگرسیون لجستیک و شبکه عصبی مصنوعی

    Articleمجله اپیدمیولوژی ایرانآذر اسد آبادی، a asadabadi msc, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranکارشناس ارشد آمار زیستی، گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران عباس بهرامپور، a bahrampour professor, phd, modeling of health research center, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranاستاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران علی اکبر حقدوست، aa haghdoost associate professor, phd, modeling of health research center, department of biostatistics & epidemiology, school of health, kerman university of medical sciences, iranاستاد گروه آمار زیستی و اپیدمیولوژی دانشکده بهداشت و مرکز تحقیقات مدل سازی در سلامت دانشگاه علوم پزشکی کرمان، کرمان، ایران

    مقدمه و اهداف: در سال‎های اخیر، توجه قابل ملاحظه‎ای به مدل‎های آماری برای طبقه‎بندی داده‎های پزشکی با توجه به بیماری‎های مختلف و پیامدهای آن‎ها شده است. شبکه‎های عصبی مصنوعی به دلیل عدم نیاز به پیش فرض با موفقیت برای تشخیص الگو و پیش‎بینی در برخی از مطالعه های بالینی استفاده شده‎

  • مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان پستان

    Articleمجله دانشگاه علوم پزشکی ایلاممسعود صالحی، m salehi محمودرضا گوهری، mr gohari نسیم وهابی، n vahabi فرید زایری

    مقدمه: امروزه انواع سرطان یکی از مهم ترین عوامل مرگ و میر در دنیا و سرطان پستان از شایع ترین آن ها در زنان میان سال می باشد. میزان بقای پس از تشخیص و درمان در این بیماران یکی از شاخص های مهم در کنترل بیماری است. در این مطالعه دو مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش بینی بقا

  • پیش‎بینی بقای بیماران مبتلا به سرطان کولورکتال مراجعه کننده به مرکز ام- آر- آی دارالایتام مهدیه همدان با استفاده از مدل پارامتری وایبل و تعیین ریسک فاکتورهای موثر طی سال‎های ۱۳۸۴-۱۳۹۲

    Articleمجله دانشگاه علوم پزشکی اراکقدرت اله روشنایی، ghodratollah roshanaei department of biostatistics and epidemiology, school of public health, hamadan university of medical sciences, hamadan, iranمرکز تحقیقات مدل‎سازی بیماری‎های غیرواگیر، گروه آمارزیستی و اپیدمیولوژی، دانشگاه علوم پزشکی همدان، همدان، ایران اعظم کمیجانی، azam komijani department of biostatistics and epidemiology, school of public health, hamadan university of medical sciences, hamadan, iranگروه آمار زیستی و اپیدمیولوژی، دانشگاه علوم پزشکی همدان، همدان، ایرانسازمان اصلی تایید شده: دانشگاه علوم پزشکی همدان (hamadan university of medical sciences) عبدالعظیم صدیقی پاشاکی، abdolazim sadighi pashaki radiology-oncology center, mri center of hamadan, hamadan, iranمرکز رادیوتراپی– آنکولوژی مهدیه همدان، همدان، ایرانسازمان اصلی تایید شده: دانشگاه علوم پزشکی همدان (hamadan university of medical sciences) جواد فردمال

    زمینه و هدف: برای برآورد بقا می‎توان از مدل‎های مختلف ناپارامتری، نیمه‎پارامتری و پارامتری استفاده کرد که بسته به ماهیت داده‎ها ممکن است برخی از روش‎ها مناسب‎تر باشد. استفاده از مدل مناسب باعث برآورد دقیق‎تر بقا و تعیین عوامل موثر بر آن خواهد شد که هدف این مطالعه براورد بقا در بی

  • مقایسه ی مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان معده

    Articleکومشاکبر بیگلریان، akbar biglarian ابراهیم حاجی زاده، ebrahim hajizadeh انوشیروان کاظم نژاد، anoshirvan kazemnejad

    سابقه و هدف: یکی از روش های آماری تحلیل داده های بقا، مدل رگرسیونی کاکس است که نیازمند پذیره هایی مانند متناسب بودن مخاطرات است. در چند دهه اخیر به کارگیری مدل شبکه عصبی مصنوعی برای پیش بینی داده های بقا، افزایش یافته است. این مطالعه به منظور پیش بینی بقای بیماران مبتلا به سرطان

  • مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان پستان

    مقدمه: امروزه انواع سرطان یکی از مهم ترین عوامل مرگ و میر در دنیا و سرطان پستان از شایع ترین آن ها در زنان میان سال می باشد. میزان بقای پس از تشخیص و درمان در این بیماران یکی از شاخص های مهم در کنترل بیماری است. در این مطالعه دو مدل رگرسیون ...

  • شواهدی نوین از پیش بینی جریان های نقدی آتی با استفاده از طبقه بندی جدیدی از اجزاء اقلام تعهدی و جریان های نقدی عملیاتی

    Article2023بورس اوراق بهاداربهمن طالبی، رسول عبدی، زهره حاجیها، نادر رضائی

    هدف پژوهش حاضر بررسی ارتباط بین اجزائ اقلام تعهدی و جریان های نقدی عملیاتی با جریان های نقدی آتی شرکت های پذیرفته شده در بورس اوراق بهادار تهران است و بدنبال پاسخ گویی به این سوال می باشد که آیا طبقه بندی اقلام تعهدی به اجزای (سرمایه در گردش، سرمایه گذاری و تامین مالی ) و اجزای ج