تحلیل بقای بیماران مبتلا به سرطان پستان با استفاده از مدل های شبکه عصبی مصنوعی و رگرسیون کاکس

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 تحلیل بقای بیماران مبتلا به سرطان پستان با استفاده از مدل های شبکه عصبی مصنوعی و رگرسیون کاکس دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تحلیل بقای بیماران مبتلا به سرطان پستان با استفاده از مدل های شبکه عصبی مصنوعی و رگرسیون کاکس  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی تحلیل بقای بیماران مبتلا به سرطان پستان با استفاده از مدل های شبکه عصبی مصنوعی و رگرسیون کاکس،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تحلیل بقای بیماران مبتلا به سرطان پستان با استفاده از مدل های شبکه عصبی مصنوعی و رگرسیون کاکس :

نام کنفرانس، همایش یا نشریه : فصلنامه علمی پژوهشی دانشگاه علوم پزشکی زابل (رستمینه)(international journal of basic science in medicine)

تعداد صفحات :۱۲

مقدمه: در تحلیل داده های بقاء استفاده از روش های معمول در آمار کلاسیک نیازمند یک سری مفروضات اولیه برای داده ها است. شبکه های عصبی مصنوعی از روش های نوین مدل سازی و پیش بینی هستند که در مواقعی که روش های کلاسیک به خاطر محدودیت هایشان قابل استفاده نیستند، کاربرد دارند. هدف از این مطالعه، پیش بینی وضعیت بقای بیماران مبتلا به سرطان پستان با استفاده از مدل های شبکه عصبی و مقایسه آن با مدل رگرسیون کاکس می باشد.روش پژوهش: داده های مطالعه شامل ۱۶۱ مورد از بیماران مبتلا به سرطان پستان در استان اردبیل بود که طی سال های ۱۳۸۲ تا ۱۳۸۷ تشخیص سرطان در آن ها صورت گرفته بود و به صورت هم گروه تاریخی بررسی شدند. از ۶۸.۹ درصد داده ها برای برازش مدل ها و ۳۱.۱ درصد داده ها برای اعتبارسنجی مدل ها استفاده شد. مدل های مختلف شبکه عصبی مصنوعی و رگرسیون کاکس به منظور پیش بینی وضعیت بقای بیماران به داده ها برازش گردید. معیارهای صحت پیش بینی و سطح زیر منحنی مشخصه عملکرد برای مقایسه مدل ها استفاده گردید.یافته ها: در بین مدل های شبکه عصبی، مدل های با الگوریتم آموزش SCG،OSS و LM به ترتیب با صحت پیش بینی ۹۴، ۹۰ و ۷۸ درصد برای داده های اعتبارسنجی، بیشترین کارایی را داشتند. سطح زیر منحنی مشخصه عملکرد برای مدل های مذکور به ترتیب ۰.۹۹۱، ۰.۹۷۲ و ۰.۸۳۷ و برای مدل رگرسیون کاکس ۰.۸۶۹ به دست آمد.نتیجه گیری: نتایج مطالعه نشان داد در صورت انتخاب معماری و الگوریتم آموزش مناسب برای مدل شبکه عصبی مصنوعی، این مدل در مقایسه با مدل رگرسیون کاکس کارایی بیشتری برای پیش بینی وضعیت بقای بیماران مبتلا به سرطان پستان دارد.

کلید واژه: تحلیل بقاء، رگرسیون کاکس، سرطان پستان، شبکه عصبی مصنوعی