تعداد صفحات فایل ترجمه : 10 صفحه word فونت 14 B Nazanin تعداد کلمات 2545
خلاصه: سرطان سینه از خطرناکترین سرطان های سینه در میان زنان بالای 35 سال می باشد. سینه از لوبول های تشکیل شده است مه شیر ترشخ می کنند، , و مجراهای باریک شیر را از لوبول ها به نوک سینه منتقل می کنند. سرطان سینه غلبا در مجراهای شیردهی یا در لوبول ها رخ می دهد. شایعترمی توع سرطان سینه سرطان مجرایی است که در مجاری شروع می شود و تا لوبول ها و بافت های اطراف توسعه پیدا می کند. براساس یک بررسی پزشکی هر سال 125 در 100000 نفر فرد جدید در ایالات متحده مبتلا به بیماری شناسایی می شوند. همچنین 246,660 موارد جدید سرطان در سال2016ذ پیش بینی می شود. تشخیص زودهنگام سرطان سینه عامل کلیدی در زنده ماندن طولانی مدت بیماران سرطانی است. طبقه بندی نقش بسیار مهمی را در تشخیص سرطان ایفا می نماید که توسط محققان برای تحلیل و آنالیز داده هایپزشکی مورد استفاده قرار می گیرد. در این تحقیق الگوریتم طبقه بندی کننده درخت تصمیم مبتنی بر اولویت برای مجموعه داده یرطان سینه Wisconsin اجرا شده است. این مقاله الگوریتم های طبقه بندی کننده گوناگون درخت تصمی را برای Wisconsin اصلی، مجموعه داده های تشخیصی و پیش بینی با استفاده از نرم افزار WEKA تحلیل می کند. عملکرد این طبقه بندی کننده ها با استفادهاز پارامترهایی مانند صحت، Kappa statistic ، انتروپی، RMSE ، TP Rate, FP Rate, Precision, Recall, F-Measure, ROC ، حساسیت و اختصاصیت بررسی شدند.
PERFORMANCE ANALYSIS OF BREAST CANCER CLASSIFICATION USING DECISION TREE
CLASSIFIERS
HAMSAGAYATHRI, P. SAMPATH
Department of ECE, Bannari Amman Institute of Technology, Sathyamangalam, Erode
ABSTRACT
Breast cancer is one of the dangerous cancers among world’s women above 35 y. The breast is made up of lobules that secrete milk and thin milk ducts to carry milk from lobules to the nipple. Breast cancer mostly occurs either in lobules or in milk ducts. The most common type of breast cancer is ductal carcinoma where it starts from ducts and spreads across the lobules and surrounding tissues. According to the medical survey, each year there are about 125.0 per 100,000 new cases of breast cancer are diagnosed and 21.5 per 100,000 women due to this disease in the United States. Also, 246,660 new cases of women with cancer are estimated for the year 2016. Early diagnosis of breast cancer is a key factor for long-term survival of cancer patients. Classification plays an important role in breast cancer detection and used by researchers to analyse and classify the medical data. In this research work, priority-based decision tree classifier algorithm has been implemented for Wisconsin Breast cancer dataset. This paper analyzes the different decision tree classifier algorithms for Wisconsin original, diagnostic and prognostic dataset using WEKA software. The performance of the classifiers are evaluated against the parameters like accuracy, Kappa statistic, Entropy, RMSE, TP Rate, FP Rate, Precision, Recall, F-Measure, ROC, Specificity, Sensitivity.
Keywords: Classification, J48, REPTree, Random Forest, Random Tree, priority, Accuracy
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله آنالیز عملکرد طبقه بندی سرطان سینه طبقه بندی کننده درخت تصمیم
تعداد صفحات فایل انگلیسی: 7 صفحه pdf
تعداد صفحات فایل ترجمه : 10 صفحه word فونت 14 B Nazanin تعداد کلمات 2545
خلاصه: سرطان سینه از خطرناکترین سرطان های سینه در میان زنان بالای 35 سال می باشد. سینه از لوبول های تشکیل شده است مه شیر ترشخ می کنند، , و مجراهای باریک شیر را از لوبول ها به نوک سینه منتقل می کنند. سرطان سینه غلبا در مجراهای شیردهی یا در لوبول ها رخ می دهد. شایعترمی توع سرطان سینه سرطان مجرایی است که در مجاری شروع می شود و تا لوبول ها و بافت های اطراف توسعه پیدا می کند. براساس یک بررسی پزشکی هر سال 125 در 100000 نفر فرد جدید در ایالات متحده مبتلا به بیماری شناسایی می شوند. همچنین 246,660 موارد جدید سرطان در سال2016ذ پیش بینی می شود. تشخیص زودهنگام سرطان سینه عامل کلیدی در زنده ماندن طولانی مدت بیماران سرطانی است. طبقه بندی نقش بسیار مهمی را در تشخیص سرطان ایفا می نماید که توسط محققان برای تحلیل و آنالیز داده هایپزشکی مورد استفاده قرار می گیرد. در این تحقیق الگوریتم طبقه بندی کننده درخت تصمیم مبتنی بر اولویت برای مجموعه داده یرطان سینه Wisconsin اجرا شده است. این مقاله الگوریتم های طبقه بندی کننده گوناگون درخت تصمی را برای Wisconsin اصلی، مجموعه داده های تشخیصی و پیش بینی با استفاده از نرم افزار WEKA تحلیل می کند. عملکرد این طبقه بندی کننده ها با استفادهاز پارامترهایی مانند صحت، Kappa statistic ، انتروپی، RMSE ، TP Rate, FP Rate, Precision, Recall, F-Measure, ROC ، حساسیت و اختصاصیت بررسی شدند.
PERFORMANCE ANALYSIS OF BREAST CANCER CLASSIFICATION USING DECISION TREE
CLASSIFIERS
Department of ECE, Bannari Amman Institute of Technology, Sathyamangalam, Erode
ABSTRACT
Breast cancer is one of the dangerous cancers among world’s women above 35 y. The breast is made up of lobules that secrete milk and thin milk ducts to carry milk from lobules to the nipple. Breast cancer mostly occurs either in lobules or in milk ducts. The most common type of breast cancer is ductal carcinoma where it starts from ducts and spreads across the lobules and surrounding tissues. According to the medical survey, each year there are about 125.0 per 100,000 new cases of breast cancer are diagnosed and 21.5 per 100,000 women due to this disease in the United States. Also, 246,660 new cases of women with cancer are estimated for the year 2016. Early diagnosis of breast cancer is a key factor for long-term survival of cancer patients. Classification plays an important role in breast cancer detection and used by researchers to analyse and classify the medical data. In this research work, priority-based decision tree classifier algorithm has been implemented for Wisconsin Breast cancer dataset. This paper analyzes the different decision tree classifier algorithms for Wisconsin original, diagnostic and prognostic dataset using WEKA software. The performance of the classifiers are evaluated against the parameters like accuracy, Kappa statistic, Entropy, RMSE, TP Rate, FP Rate, Precision, Recall, F-Measure, ROC, Specificity, Sensitivity.
Keywords: Classification, J48, REPTree, Random Forest, Random Tree, priority, Accuracy
دانلود رایگان مقاله انگلیسی