تشخیص سرطان پروستات به کمک منطق فازی و با استفاده از ترکیب اطلاعات ویژگی های بالینی
دوره 1، شماره 2، شهریور 98، صفحات 0 - 0
نویسندگان : ایمان عطارزاده * و وحید زرین افشان
چکیده :
تشخیص بهموقع سرطان پروستات بهعنوان شایعترین سرطان در جنس مذکر و یک بیماری کشنده از چالشهای حوزه سلامت و درمان است. کشف زودهنگام این بیماری در محلی نگهداشتن سرطان در ناحیه پروستات، بهبود فرآیند درمان و کاهش هزینههای درمانی بسیار مؤثر است. در این پژوهش سعی شده است تا با ارائه مدل تصمیمیار تشخیص پزشکی که توان تحلیل و تفسیر اطلاعات پزشکی مختلف را دارا است، دقت تشخیصی مناسبی نسبت به روش ها و مدل های دیگر ارائه شود. برای این منظور اطلاعات سیصد فرد مشکوک به سرطان پروستات با 11 ویژگی تشخیصی سن، وزن، قد، BMI، ضربان قلب، فشارخون دیاستولیک، فشار خون سیستولیک، PSA، سیگاری بودن، مقدار پروستات و چگالی از مقاله مورد مطالعه استخراج شد و بمنظور کاهش پیچیدگی تشخیصی سیستم فازی، از بین ویژگی های اشاره شده سه ویژگی تشخیصی بهترِ، سن، سیگاری بودن و PSA با نظر فرد خبره انتخاب شدند. از سوی دیگر جهت افزایش دقت تشخیص، ویژگی سطح ناحیه آلوده که از نتایج پردازش تصویرMRI دست آمده و با دیگر ویژگی های تشخیصی ترکیب و به عنوان ورودی به سیستم فازی ارائه شدند. جهت طبقهبندی از منطق فازی موتور استنتاج ممدانی استفاده شد. مدل پیشنهادی 85.3% صحت، 85% دقت، 92% حساسیت و 74% ویژگی را نشان داده است که در مقایسه با روش شبکه عصبی LM مورد بررسی در این پژوهش میزان معیارهای صحت1.7%، دقت 0.5%، حساسیت3% و ویژگی 2% افزایش و در نهایت عملکرد بهتری را در مقایسه با شبکه عصبی LM نشان می دهد.
تشخیص بهموقع سرطان پروستات بهعنوان شایعترین سرطان در جنس مذکر و یک بیماری کشنده از چالشهای حوزه سلامت و درمان است. کشف زودهنگام این بیماری در محلی نگهداشتن سرطان در ناحیه پروستات، بهبود فرآیند درمان و کاهش هزینههای درمانی بسیار مؤثر است. در این پژوهش سعی شده است تا با ارائه مدل تصمیمیار تشخیص پزشکی که توان تحلیل و تفسیر اطلاعات پزشکی مختلف را دارا است، دقت تشخیصی مناسبی نسبت به روش ها و مدل های دیگر ارائه شود. برای این منظور اطلاعات سیصد فرد مشکوک به سرطان پروستات با 11 ویژگی تشخیصی سن، وزن، قد، BMI، ضربان قلب، فشارخون دیاستولیک، فشار خون سیستولیک، PSA، سیگاری بودن، مقدار پروستات و چگالی از مقاله مورد مطالعه استخراج شد و بمنظور کاهش پیچیدگی تشخیصی سیستم فازی، از بین ویژگی های اشاره شده سه ویژگی تشخیصی بهترِ، سن، سیگاری بودن و PSA با نظر فرد خبره انتخاب شدند. از سوی دیگر جهت افزایش دقت تشخیص، ویژگی سطح ناحیه آلوده که از نتایج پردازش تصویرMRI دست آمده و با دیگر ویژگی های تشخیصی ترکیب و به عنوان ورودی به سیستم فازی ارائه شدند. جهت طبقهبندی از منطق فازی موتور استنتاج ممدانی استفاده شد. مدل پیشنهادی 85.3% صحت، 85% دقت، 92% حساسیت و 74% ویژگی را نشان داده است که در مقایسه با روش شبکه عصبی LM مورد بررسی در این پژوهش میزان معیارهای صحت1.7%، دقت 0.5%، حساسیت3% و ویژگی 2% افزایش و در نهایت عملکرد بهتری را در مقایسه با شبکه عصبی LM نشان می دهد.
کلمات کلیدی :
سرطان پرستات؛ منطق فازی؛ مطالعات بالینی
سرطان پرستات؛ منطق فازی؛ مطالعات بالینی
مشاهده مقاله
1,349
دانلود
0