An Improved BIRCH Algorithm for Breast Cancer Clustering
| العنوان بلغة أخرى: |
تصنيف مرض سرطان الثدي باستخدام خوارزمية "BIRCH" المحسنة |
|---|---|
| المؤلف الرئيسي: | برهم، ميسرة محمد حسين (مؤلف) |
| مؤلفين آخرين: | الزعبي، أحمد غازي (مشرف) |
| التاريخ الميلادي: |
2020
|
| موقع: | عمان |
| الصفحات: | 1 - 54 |
| رقم MD: | 1130383 |
| نوع المحتوى: | رسائل جامعية |
| اللغة: | الإنجليزية |
| الدرجة العلمية: | رسالة ماجستير |
| الجامعة: | جامعة الشرق الأوسط |
| الكلية: | كلية تكنولوجيا المعلومات |
| الدولة: | الاردن |
| قواعد المعلومات: | Dissertations |
| مواضيع: | |
| رابط المحتوى: |
عدد مرات التحميل
26
| المستخلص: |
أصبح سرطان الثدي مرضا شائعا يصيب النساء في جميع أنحاء العالم، ولكن في معظم الحالات يكون العلاج ممكنا عند اكتشافه مبكرا. تلعب اختبارات الفحص دور في تحديد الأورام قبل أن تصبح سرطانية، حيث يكون تشخيص سرطان الثدي أكثر فعالية مقارنة بالاختبارات الأخرى. على مدى العقود القليلة الماضية، كان تشخيص مرض السرطان بمساعدة الكمبيوتر موضوعا للبحث وحقق تقدما كبيرا. ومع ذلك، فإن التجميع والتحليل التلقائي لسجلات المرضى في الوقت الحقيقي لا يزال مهمة صعبة بسبب معايير الاختيار لمعلمات BIRCH، ومقاييس الربط والتشابه. التجميع عبارة عن تقنية للتعلم الآلي غير خاضعة للرقابة تستخدم لتجميع عناصر البيانات دون معرفة مسبقة بتعريفات هذه المجموعة. قد يؤدي استخدام خوارزميات التجميع لكمية كبيرة من البيانات إلى مشاكل في الكفاءة والدقة. من أجل مساعدة المتخصصين في اتخاذ القرارات المناسبة أثناء التعامل مع سجلات المرضى، نقترح في هذه الأطروحة نسخة محسنة من خوارزمية (BIRCH) للتجميع الهرمي. يهدف هذا النهج إلى تحويل السجلات الطبية وتجميعها بما في ذلك سمات المرض إلى مجموعات فرعية بحيث يتم تجميع وتحليل السمات المماثلة. يتكون (BIRCH) المحسن المقترح من أربعة مكونات رئيسية: اختيار الميزات وإعادة تحديدها، وتهيئة عتبة تلقائية فعالة، واختيار تجريبي لطرق الربط ومقاييس المسافة. على وجه التحديد، يتم تغذية التجميع الأساسي (BIRCH) بميزات مختارة وقيمة عتبة تلقائية للتحكم في التجمعات الفرعية القائمة على الأشجار بالإضافة إلى إجراءات الربط والتشابه المختلفة. يتم استخدام مجموعة بيانات القياس (Breast Cancer Wisconsin) لتقييم الخوارزمية المقترحة. حيث أظهرت النتائج التجريبية أن خوارزمية (BIRCH) المحسنة يمكنها تحقيق دقة تجميعية بنسبة (97.7%) خلال (0.0004) ثانية فقط، مما يؤكد كفاءتها في مساعدة الأطباء في تحليل سجلات المرضى واتخاذ القرارات. |
|---|
عناصر مشابهة
-
Predicting Breast Cancer Survivability: A Comparison of Three Data Mining Methods
بواسطة: Hussain, Omead I. منشور: (2020) -
Clinical and Diagnostic Implications of PIK3CA Gene Mutations in Breast Cancer
بواسطة: جاد الله، أسيل أسعد منشور: (2023) -
An Enhancement over BIRCH Hierarchical Clustering Algorithms for Better Partitioning of Medical Data
بواسطة: العنزي، سلطان غربي كياد منشور: (2020) -
Hlaalleles Distribution in Breast Cancer Female Patients in the Kingdom of Bahrain
بواسطة: أشكناني، زينب أحمد حبيب منشور: (2008) -
Pattern of Expression of Triiodothyronine, Somatostatin Hormone Receptors, and 5'Deiodinase in Different Breast Pathologies versus Lactational Tissues
بواسطة: المعتوق، جنان أحمد محمد منشور: (2008)
