پروپوزال یک رویکرد مبتنی بر یادگیری ماشین جهت تشخیص سرطان دستگاه تناسلی

سرطان دومین علت اصلی مرگ و میر در ایالات متحده و همچنین یکی از علل عمده مرگ در سراسر جهان، به ویژه در کشورهایی بادرآمد بالا بوده است. در طول چهار دهه گذشته، پژوهش های قابل توجهی در علل و رفتار سرطان منجر به پیشرفت های در درک ما از این بیماری شده است . امروزه به دليل گسترش دانش پزشكی و پيچيدگی تصميمات مرتبط با تشخيص و درمان بیماری، توجه متخصصين به استفاده از ابزارهای هوشمند در امور پزشكی جلب شده است. استفاده از این ابزارها و سيستمها، خطاهای احتمالی ناشی از خستگی یا بی تجربگی پزشکان را در امر تشخيص و درمان بيماریها کاهش می دهد. با استفاده از این سيستم ها، میتوان پایگاه دادههای پزشكی را در زمان بسيار کمتر و با جزیيات بيشتر بررسی کرد .

اکتشاف پایگاه داده های عظیم پزشکی با کمک ابزارهای محاسباتی جدید وجود توام بیماری ها، از جمله سرطان های خاص را تایید کرده است. با این حال، تحقیقات پزشکی در حال حاضر تمایل به بررسی بیماری های جدا از یکدیگر ، به جای توجه به اثر متقابل آنها را دارد .یافته های اخیر موضعی مختلف به سمت بیماریهای همراه با دلالت به اینکه بیماری ها همزمان چگونه ممکن است تشخیص، درمان، و ارزیابی اثربخشی درمان، و همچنین بقای بیماران را تحت تاثیر قرار دهند.

در این تحقیق متوجه می شویم، داشتن اطلاعات بیشتر در مورد بیماری های همراه بیماران می توانند قدرت پیش بینی مدل را بهبود بخشد، که به نوبه خود، می تواند به تصمیم گیری تشخیصی و درمانی پزشکان کمک کند. بنابراین، شناسایی مناسب، ضبط، و استفاده از وضعیت بیمارانی که مبتلا به سرطان هستند می تواند هزینه های درمانی بالقوه را کاهش دهد. برای نشان دادن اهمیت بیماری های مزمن همزمان، این تحقیق از مجموعه داده های مربوط به سرطان (SEER)استفاده می کند. این مجموعه شامل دو دسته برای سرطان دستگاه تناسلی زنان و دیگری برای سرطان مجاری ادرار که جزو سرطان های دستگاه تناسلی است ایجاد می شود.

امروزه استفاده از تکنیک های داده کاوی از جمله خوشه بندی، طبقه بندی و کاوس قوانین انجمنی در تشخیص انواع سرطان های سینه، سرطان ریه و غیره مورد توجه بسیاری از پژوهشگران در علم کامپویتر و پزشکی گردیه است. از این رو در این پژوهش، محقق با استفاده از رویکردهای داده کاوی و تکنیک های طبقه بندی نمونه ها از جمله تکنیک شبکه عصبی، رگرسیون، درخت تصمیم و غیره اقدام به تشخیص زود رس سرطان دستگاه تناسلی در زنان و مردان خواهد نمود. با تکنولوژی‌های کم هزينه سخت افزاری و نرم افزاری، داده‌ها با کيفيت بهتر و در حجم‌های بالاتر به صورت خودکار ذخيره می‌گردند و به کمک تجزيه و تحليل بهتر آنها، اين حجم عظيم از داده‌ها به صورتی کارآمد و موثرتر پردازش میشوند. الگوريتم‌های داده‌کاوی، مدل‌های بهينه‌ای هستند که در پيش بينی، تشخيص، بقا و عود سرطان به کار رفته و دقت قابل توجهی از خود نشان داده‌اند. از اين الگوريتم‌ها، برای دسته بندی، خوشه بندی، يادگيری آماری که مهم‌ترين روش‌های داده کاوی هستند، استفاده می‌شود.

در این تحقیق سعی بر این است که با استفاده از روشهای داده کاوی از جمله بکاربردن تلفیق تکنیک های خوشه بندی و طبقه بندی داده ها سرطان دستگاه تناسلی در خانم ها و مجاری ادرار در آقایان را پیش بینی کنیم. برای بهبود و پیش بینی سرطان، ترکیبی از یک روش خوشه بندی جهت یافتن الگوهای پنهان و چند روش پیش بینی کننده یادگیری ماشین برای ساخت مدل های پیش بینی بر روی مجموعه داده ها اعمال خواهد شد.

تشخیص زودرس سرطان دستگاه تناسلی با استفاده از ترکیب روشهای خوشه بندی جهت کشف الگوهای پنهان و طبقه بندی داده به منظور شناسایی سرطان با دقت مطلوب

1. دستیابی به کیفیت مطلوبی از پیش بینی زودرس سرطان دستگاه تناسلی با استفاده از خوشه بندی داده ها به منظور یافتن الگوهای پنهان موجود در داده ها جهت بهبود نتایج پیش بینی.

2. ارائه پیش بینی کننده مناسب با استفاده از تکنیکهای طبقه بندی داده مثل شبکه عصبی، رگرسیون، درخت تصمیم و غیره جهت تشخیص زودرس بیماری سرطان دستگاه تناسلی با دقت قابل قبول.