پديد آورنده :
رحيمي، مرضيه
عنوان :
پيش بيني اميد به زندگي بيماران مبتلا به سرطان
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
مهندسي صنايع
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
ده، 63ص. : مصور، جدول، نمودار
استاد راهنما :
مهدي بيجاري
استاد مشاور :
احمدرضا پور قادري، محمدرضا شعر بافچي زاده
توصيفگر ها :
پيش بيني طول عمر , سرطان , نزديكترين همسايه , رگرسيون لجستيك , طبقه بندي ساده بيز , درخت تصميم گيري , ماشين بردار پشتيبان
استاد داور :
علي زينل همداني، مهدي خاشعي
تاريخ ورود اطلاعات :
1399/07/02
رشته تحصيلي :
مهندسي صنايع
دانشكده :
مهندسي صنايع و سيستم ها
تاريخ ويرايش اطلاعات :
1399/07/02
چكيده فارسي :
چكيده در هنگام تشخيص سرطان اكثر بيماران در مورد طول عمر باقيمانده خود سؤال مي كنند چه مدت زندگي خواهم كرد و يا شانس موفقيت هر گزينه درماني چيست بسياري از پزشكان فقط بر اساس محل تومور و مرحله آن آماري از بقاي سرطان در اختيار بيماران قرار مي دهند اطالعات متداول شامل ميزان بقاي 5 ساله و مدت زمان بقا است به عنوان مثال يك پزشك ميتواند به بيمار مبتال به سرطان ريه در مراحل اوليه بگويدكه شانس بقاي او 05 است كه به اين معنا خواهد بود كه نيمي از جامعه مبتال به اين نوع سرطان با تومور در همين مرحله بيش از پنج سال زنده ماندهاند در واقع برآورد ميزان بقاي بيماران مبتال به سرطان با توجه به ميانگين بقاي بيماران در همان مرحله از سرطان انجام ميشود اين برآوردها دقيق نيستند زيرا اطالعات اختصاصي بيمار مانند سن جنسيت و ديگر شرايط عمومي را شامل نميشوند پيشبيني طول عمر بيماران مبتال به سرطان در مراحل پيشرفته از اهميت بااليي برخوردار است اين پيشبيني به برنامهريزان كمك ميكند تا با اطمينان باالتري دربارهي تخصيص منابع و انتخاب نوع درمان تصميمگيري كنند عمده پژوهشها به پيشبيني طول عمر بيماران با بقاي بيشتر از پنج سال پرداختهاند در اين پژوهش به پيشبيني كوتاه مدت طول عمر بيماران مبتال به سرطان پرداخته شده است پس از بررسي ادبيات موضوع فاكتورهاي مؤثر در طول عمر بيماران مبتال به سرطان بررسي شدند براي پيش بيني كوتاه مدت ابتدا مجموعه دادهها با نظر شخص خبره به سه گروه تقسيمبندي شدند اين سه گروه شامل بيماران با بقاي كمتر از سه ماه كمتر از شش ماه و كمتر از يك سال است پس از طبقه بندي دادهها با پنج روش نزديكترينهمسايه رگرسيون لجستيك طبقه بنديگرساده بيز درخت تصميمگيري و ماشين بردار پشتيبان مقادير دقت صحت حساسيت و سطح زير منحني مشخصه در هر روش محاسبه گرديد در نهايت اين مقادير به منظور انتخاب بهترين الگوريتم طبقهبندي باهم مقايسه شدند نتايج بدست آمده نشان دهندهي عملكرد موفق الگوريتم ماشين بردار پشتيبان در طبقهبندي و پيشبيني كوتاه مدت طول عمر بيماران است كلمات كليدي پيشبيني طول عمر سرطان نزديكترينهمسايه رگرسيون لجستيك طبقه بندي ساده بيز درخت تصميمگيري و ماشين بردار پشتيبان
چكيده انگليسي :
64 Survival Prediction of Cancer Patients Marzieh Rahimi Mehdi Bijari Supervisor Department of Industrial and Systems Engineering Isfahan University of Technology Isfahan 84156 8311 IranDegree M Sc Language PersianDate 2020 26 1AbstractIn diagnosing cancer the main question that can be asked is about their lifespan How long will I live Or What is the chance of success of any treatment option Many physicians provide patients with cancer survival data only based on thelocation of the tumor and its stage Common information includes a 5 year survival rate and survival time Forinstance a physician can tell a patient with early stage lung cancer that his or herchance of survival is 50 which means that half of the community with this typeof cancer had lived for more than five years In fact estimating the survival rate of cancer patients is based on the averagesurvival of patients at the same stage of cancer These estimates are inaccurate since they do not include patient specificinformation such as age gender and other general conditions Predicting thelifetime of cancer patients in advanced stages is an important issue This prediction helps planners make more confident decisions about resourceallocation and treatment choices Most studies have predicted life expectancy ofpatients with more than five years survival In this thesis short term prediction oflife expectancy in cancer patients is investigated After reviewing the literature thefactors affecting the life span of cancer patients are studied For short term prediction the data set was first divided into three groups by expertopinion These three groups included patients with survival less than three months six months and one year After classifying the data using five nearest neighbor methods logistic regression Bayesian classifier decision tree and support vector machine were calculated foraccuracy sensitivity and area under the characteristic curve in each method Finally these values were compared to select the best classification algorithm Theresults show the successful performance of the support vector machine algorithm inclassifying and predicting short term life expectancy of patients Keywords lifetime prediction cancer nearest neighbor logistic regression Bayessimple classifier decision tree and support vector machine
استاد راهنما :
مهدي بيجاري
استاد مشاور :
احمدرضا پور قادري، محمدرضا شعر بافچي زاده
استاد داور :
علي زينل همداني، مهدي خاشعي
