مجله دانشگاه علوم پزشکی ایلام، جلد ۲۱، شماره ۲، صفحات ۱۲۰-۱۲۸

عنوان فارسی مقایسه مدل شبکه عصبی مصنوعی و رگرسیون کاکس در پیش بینی بقای بیماران مبتلا به سرطان پستان
چکیده فارسی مقاله مقدمه: امروزه انواع سرطان یکی از مهم ترین عوامل مرگ و میر در دنیا و سرطان پستان از شایع ترین آن ها در زنان میان سال می باشد. میزان بقای پس از تشخیص و درمان در این بیماران یکی از شاخص های مهم در کنترل بیماری است. در این مطالعه دو مدل رگرسیون کاکس و شبکه عصبی مصنوعی در پیش بینی بقای بیماران سرطان پستان با یکدیگر مقایسه شده اند. مواد و روش ها: داده های این پژوهش که از نوع مطالعات بقا است، از پرونده تمامی 344 زن مبتلا به سرطان پستان که در سال های 1384 تا 1391 برای درمان به بیمارستان شهید فیاض بخش تهران مراجعه کرده بودند استخراج شده است. وضعیت بقا به عنوان متغیر وابسته در نظر گرفته شد. مقایسه پیش بینی های دو مدل با استفاده از سطح زیر منحنی مشخصه عملکرد و صحت پیش بینی کل و به کمک نرم افزارهای R و Minitab انجام شد. یافته های پژوهش: میانگین ± انحراف معیار سن زمان تشخیص بیماران 93/10±9/49 سال و میانه بقا برابر با 6/44 ماه بود و تا پایان مطالعه واقعه مرگ برای تعداد 45 نفر(1/13 درصد) از آن ها رخ داد. سطح زیر منحنی مشخصه عملکرد مدل کاکس و شبکه عصبی به ترتیب برابر 6/87 درصد و 4/75 درصد و هم چنین صحت پیش بینی کل برای مدل کاکس و شبکه عصبی به ترتیب برابر 42/89 و 68/77 محاسبه گردید. بحث و نتیجه گیری: صحت پیش بینی شبکه در تشخیص وضعیت بقای زنان مبتلا به سرطان پستان بالاتر بود و بنا بر این این مدل برای پیش بینی بقای بیماران سرطان پستان پیشنهاد می شود.
کلیدواژه‌های فارسی مقاله سرطان پستان، بقا، رگرسیون کاکس، شبکه عصبی مصنوعی

عنوان انگلیسی Comparison of Artificial Neural Network and Cox Regression Models in Survival Prediction of Breast Cancer Patients
چکیده انگلیسی مقاله Introduction: Nowadays, cancer diseases are the most important causes of death wor-ldwide and the breast cancer is the most important of them within women. Asses-sing the survival of the patients is one of the most important indices of controlling the cancer. This study aimed to make a compa-rison between the prediction of artificial neural networks (ANN) and Cox regression models for the breast cancer survival. Materials & Methods: The data of the sur-vival study gathered from 344 breast cancer patients between 2005 and 2012 that regist-ered at the Fayyazbakhsh hospital, Tehran, Iran. The status of survival was considered as a dependent variable. Area under rece-iver operative characteristic curve (AUR-OC) and classification accuracy were used for the comparison of artificial neural netw-orks and Cox regression models. Data anal-ysis was performed by R and Minitab sof-tware. Findings: The age of participants expres-sed as Mean ± SD, was 49.9±10.93 years and the median of survival was 44.6 mo-nths. Up to the end study, 45 (13.1) were died. Results showed that AUROC for AN-N and Cox regression were 87.6% and 75.4%, respectively. In addition the clas-sification accuracy of ANN and Cox regres-sion were calculated as 89.42 and 77.68, respectively. Discussion & Conclusion: According to the results, the total classification accuracy of the ANN was better than those of the Cox regression therefore, the ANN model is suggested to predict the survival status of breast cancer disease and also is suggested for diagnostic goals.
کلیدواژه‌های انگلیسی مقاله

نویسندگان مقاله مسعود صالحی | m salehi


محمودرضا گوهری | mr gohari


نسیم وهابی | n vahabi


فرید زایری | f zayeri


سید حسین یحیی زاده | sh yahyazadeh


محمدرضا کفاشیان | m kafashian



نشانی اینترنتی http://sjimu.medilam.ac.ir/browse.php?a_code=A-10-220-127&slc_lang=fa&sid=fa
فایل مقاله دریافت فایل مقاله
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده آمار زیستی
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات