تحلیل و مقایسه الگوریتمهای یادگیری ماشین در پیشبینی سرطان معده

چکیده مقاله

سرطان معده یکی از شایع ترین و مرگبارترین سرطان ها در جهان است و تشخیص زودهنگام آن نقش مهمی در بهبود روند درمان دارد در این پژوهش مجموعه داده ای شامل ۲۸ ویژگی بالینی و یک متغیر هدف مورد استفاده قرار گرفت هفت الگوریتم یادگیری ماشین شامل رگرسیون لجستیک، درخت تصمیم، جنگل تصادفی، شبکه عصبی مصنوعی، الگوریتم K نزدیکترین همسایه ها، XGBoost و LightGBM بررسی شدند عملکرد مدل ها بر اساس معیارهای دقت، یادآوری، صحت و F۱ score مورد ارزیابی قرار گرفت نتایج نشان داد که الگوریتم های مبتنی بر یادگیری ماشین، جمعی به ویژه جنگل تصادفی و XGBoost، عملکرد بهتری نسبت به سایر الگوریتم ها دارند به طور خاص، جنگل تصادفی با صحت و مقدار F۱ برابر با ۸۹ بهترین نتایج را به دست آورد یافته های این پژوهش نشان می دهد که ترکیب داده های بالینی با الگوریتم های پیشرفته یادگیری ماشین می تواند ابزاری کارآمد برای کمک به تشخیص زودهنگام سرطان معده باشد

کلیدواژه‌ها

نویسندگان

مهدیس ملک زاده

دانشجوی کارشناسی ارشد گروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه صنعتی همدان

مه افراسیابی

استادیار، گروه مهندسی کامپیوتر، دانشکده برق و کامپیوتر، دانشگاه صنعتی همدان

ملک زاده، مهدیس و افراسیابی، مه،1404،تحلیل و مقایسه الگوریتمهای یادگیری ماشین در پیشبینی سرطان معده،دومین کنگره بین المللی پیشگیری از سرطان،زنجان

ارائه‌شده در

مجموعه مقالات دومین کنگره بین المللی پیشگیری از سرطان8 مهر 1404 · زنجان