دانلود پایان نامه تشخیص سرطان سینه با استفاده از ترکیب روش های خوشه بندی

دانلود فایل های همراه محصول
549,000 تومان   466,650 تومان

خرید و دانلود فایل
دانلود فایل ضمیمه
شرح مختصر محصول

این پایان نامه با موضوع "تشخیص سرطان سینه با استفاده از ترکیب روش های خوشه بندی " می باشد. کلیه سورس و فایل های شبیه سازی پس از خرید محصول، قابل دانلود است. همچنین تعداد صفحات این پایان نامه 107صفحه با رعایت قالب استاندارد دانشگاه می باشد. کلیه نکات نگارشی مطابق با استاندارهای پژوهشی انجام شده است، به طوری که فهرست مطالب، اشکال و جداول به صورت خودکار قابل تغییر و آپدیت است. 

امکانات اصلی این پایان نامه پس از خرید عبارتند از:
- امکان دانلود فایل Word, Pdf پایان نامه 
- امکان دانلود فایل های شبیه سازی با زبان برنامه نویسی وکا
- امکان دانلود فایل دیتاست شبیه سازی 

توجه 1: شبیه سازی خوشه بندی با وکا و رپیدماینر با همین موضوع، در سایت موجود می باشد که می توانید بصورت جداگانه خریداری نمایید.(جهت خرید کلیک نمایید)
توجه2: در صورت نیاز به پایان نامه، پروپوزال یا شبیه سازی مشابه با این محصول و همچنین اصلاحات پس از خرید پایان نامه فوق کافی است با تیم پشتیبانی "ناب تزیز" از طریق پیامک یا واتساپ ارتباط برقرار نمایید.


شرح کلی محصول
چکيده
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. لذا در این پژوهش از ترکیب روشهای خوشه بندی به منظور دسته بندی بیماری سرطان سینه و دستگاه تناسلی زنام و سرطان ادرار و دستگاه تناسلی در مردان با تکنیک های پیش بینی مثل شبکه عصبی، درخت مصنوعی، رگرسیون خطی و غیره استفاده شده است. همچنین در پژوهش فعلی از دیتاست محبوب SEER استفاده شده است. لذا با توجه به شبیه سازی روش پیشنهادی، میزان دقت روش پیشنهادی در پیش بینی همبودی سرطان در مردان 90.86% بوده و این دقت در پیش بینی همبودی سرطان در زنان برابر با 95.35% میباشد. به طور میانگین روش پیشنهادی ارائه شده در این پژوهش با دقت 99.75% عملیات پیش بینی همبودی سرطان در زنان و مردان را محاسبه می کند. همچنین سایر روشهایی که تا کنون ارائه شده اند به طور میانگین دارای دقت 96.97% است. لذا میزان بهبود روش پیشنهادی نسبت به سایر روشها به طور میانگین 1.02% است که این میزان بهبود قابل ملاحظه می باشد.
بیان مسئله تحقیق
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 شده پژوهش های قابل توجهی در علل و رفتار سرطان منجر به پیشرفت های در درک ما از این بیماری شده است]2[. 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 سيستمها، میتوان پایگاه دادههای پزشكی را در زمان بسيار کمتر و با جزیيات بيشتر بررسی کرد (رباب, 1393).
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 (Zolbanin Delen, 2015).
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 همبودی بیماران 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 سینه و دستگاه تناسلی زنان و دیگری برای سرطان پروستات و مجاری ادرار ایجاد می شود  (Zolbanin Delen, 2015).
در این تحقیق سعی بر این است که بقای بیمارانی که دچار همبودی سرطان شده اند را پیش بینی کنیم. برای بهبود و پیش بینی بقای همبودی 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.
اهداف برجسته تحقیق و نام بهره وران
هدف های کلی: 
 دستیابی به کیفیت مطلوبی از پیش بینی بقای کلی در همبودی سرطان با استفاده از خوشه بندی داده ها به منظور یافتن الگوهای پنهان موجود در داده ها جهت بهبود نتایج پیش بینی .
هدف های فرعی: 
1. با استفاده از خوشه بندی داده های پرت حذف شده و کیفیت داده ها برای عملیات پیش بینی افزایش یابد.
2. با استفاده از معیارهای موثر در خوشه بندی مثل تراکم و شباهت داده ها, خوشه ی مناسب بدست خواهد آمد.
3. ارائه پیش بینی کننده مناسب.

فهرست فارسی
فصل 1- مقدمه
1-1- مقدمه
1-2- بیان مسئله تحقیق
1-3- اهمیت و ضرورت انجام تحقيق و جنبه های نوآوری
1-4- اهداف برجسته تحقیق و نام بهره وران
هدف های کلی:
هدف های فرعی:
1-5- فرضيه‌های تحقیق
1-6- ساختار پایان نامه
فصل 2- ادبیات و پیشینه تحقیق
2-1- مقدمه
2-2- داده کاوی
2-2-1- مفاهيم پايه در داده کاوي
2-2-2- تعريف داده کاوي
2-2-3- تاريخچه داده کاوي
2-2-4- برخي از کاربردهاي داده کاوي در محيطهاي واقعي
2-2-4-1- خرده فروشي
2-2-4-2- بانکداري
2-2-4-3- بيمه
2-2-4-4- پزشکي
2-2-5- مراحل فرايند کشف دانش از پايگاه داده ها
2-2-5-1- انبارش داده ها
2-2-5-2- انتخاب داده ها
2-2-5-3- تبديل داده ها
2-2-5-4- کاوش در داده ها
2-2-5-5- تفسير نتيجه
2-2-6- عملياتهاي داده کاوي
2-2-7- عملياتها و تکنيکهاي داده کاوي
2-2-7-1- مدلسازي پيشگويي کننده
2-2-7-2- تقطيع پايگاه داده ها
2-2-7-3- تحليل پيوند
2-2-8- قابليتهاي داده کاوی
2-2-9- داده كاوي و انبار داده ها
2-2-10- داده كاوي و OLAP
2-2-11- تكنيك هاي داده كاوي
2-2-11-1- خلاصه سازی داده
2-2-11-2- دسته بندی داده.
2-2-11-3- کلاسه بندی داده
2-2-11-4- پیش بینی
2-2-11-5- تحليل وابستگي
2-2-12- روش های داده كاوي
2-2-12-1- چرخه SEMMA
Sample
Explore
Modify
Assess
2-3- داده كاوي و يادگيري ماشيني
2-3-1- الگوريتم هاي يادگيري
2-3-1-1- شبكه هاي عصبي (NN)
2-3-1-2- Case-Based Reasoning (CBR)
2-3-1-3- الگوريتم ژنتيك (Genetic Algorithm)
2-3-1-4- درخت تصميم (DecisionTree)
2-3-1-5- Association Rules (AR)
2-4- معرفی بیماری سرطان
2-5- مراحل پیشرفت سرطان سینه
2-5-1- مرحله اول
2-5-2- مرحله دوم
2-5-3- مرحله سوم
2-5-4- سرطان سینه التهابي
2-5-5- مرحله چهارم سرطان سینه
2-6- نوع درمان هر مرحله از سرطان
2-6-1- شیوه های درمانی
2-6-2- جراحی
2-6-2-1- جراحی حفظ سینه
2-6-2-2- برداشتن سینه
2-6-3- پرتودرمانی
2-6-3-1- پرتودرمانی خارجی
2-6-3-2- پرتودرمانی به روش كاشتي
2-6-4- شیمی‌درمانی
2-6-5- هورمون‌درمانی
2-6-6- درمان بیولوژیک
2-6-7- روش‌های مختلف درمان بر اساس مرحله بیماری
2-6-7-1- مرحله صفر
2-6-7-2- مراحل I، II، IIIA و مرحله IIIC : قابل جراحی
2-6-7-3- مراحل IIIB و مرحله IIIC : غیرقابل جراحی
2-6-7-4- مرحله IV
2-6-7-5- بازگشت سرطان سینه‌‌‌‌‌‌‌ (عود کننده)
2-6-7-6- بازسازی سینه
2-6-7-7- درمان‌های جایگزین و تکمیلی
فصل 3- مرور ادبیات و سوابق پیشین
3-1- مقدمه
3-2- سوابق تحقیق پژوهش
3-3- سوابق پیشین دیتاست(نمونه هایی از موارد کاربرد SEER)
فصل 4- روش پیشنهادی و ارزیابی نتایج
4-1- مقدمه
4-2- منبع داده(دیتاست SEER)
4-2-1- ساختار رکوردهای داده SEER
4-3- تشریح روش پیشنهادی
4-3-1- ترکیب پایگاه های داده سرطان
4-3-2- خوشه بندی داده ها با الگوریتم x-means
4-3-3- نمونه برداری از داده ها
4-3-4- طراحی مدل های پیش بینی
4-3-5- ارزیابی روش پیشنهادی
4-4- فلوچارت روش پیشنهادی
4-5- الگوریتم روش پیشنهادی
4-6- نتایج تجربی
4-7- مقایسه نتایج روش پیشنهادی بر پیش بینی همبودی بقا در زنان و مردان
4-7-1- اعمال الگوریتم خوشه بندی x-means بر روی داده های ترکیب شده
4-7-2- نتایج همبودی بقای سرطان در مردان
4-7-2-1- اعمال الگوریتم شبکه عصبی
4-7-2-2- اعمال الگوریتم درخت تصمیم
4-7-2-3- اعمال الگوریتم رگرسیون خطی
4-7-2-4- اعمال الگوریتم Random Forest
4-7-3- نتایج همبودی بقای سرطان در زنان
4-7-3-1- اعمال الگوریتم شبکه عصبی
4-7-3-2- اعمال الگوریتم درخت تصمیم
4-7-3-3- اعمال الگوریتم رگرسیون خطی
4-7-3-4- اعمال الگوریتم Random Forest
4-7-4- مقایسه دقت روش پیشنهادی با سایر روشها
4-8- مقایسه نتایج روش پیشنهادی با سایر روشها
فصل 5- نتیجه‌گیری و پیشنهادات آینده
5-1- مقدمه
5-2- نتیجه گیری
5-3- روش پیشنهادی
فهرست مراجع

محصولات مشابه
نظرات (0)