ترجمه فارسی عنوان مقاله

داده کاوی در تشخیص استقرار (نمایش) آسیب شناسی سرطان ریه: ارتباط مابین اطلاعات آسیب شناسانه و بالینی

عنوان انگلیسی

Data mining in lung cancer pathologic staging diagnosis: Correlation between clinical and pathology information

کد مقاله	سال انتشار	تعداد صفحات مقاله انگلیسی
46041	2015	9 صفحه PDF

منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Expert Systems with Applications, Volume 42, Issues 15–16, September 2015, Pages 6168–6176

فهرست مطالب ترجمه فارسی

چکیده

کلمات کلیدی

1.مقدمه

۲. پژوهش های مرتبط

۳. چارچوب کاری مطروحه برای سیستم استقرار آسیب شناسی سرطان

۳.۱ پیش پردازش داده و مجموعه داده آسیب شناسی

شکل ۱. چارچوب کاری سیستم استقرارسرطان مطروحه

۳.۲ طبقه بندی درخت تصمیم و مجموعه داده بالینی

شکل ۲. گزارش آسیب شناسی و مجموعه داده آسیب شناسی طراحی شده

شکل ۳. نمونه درخت تصمیم

۳.۳ قوانین استخراجی از طریق کاوش انجمنی

شکل ۴. استفاده از درخت تصمیم برای استخراج ویژگی ها با مقادیر معتبر. AVV ارجاعی به صفات با مقادیر معتبر می باشد.

شکل ۵. داده بالینی و مجموعه داده بالینی طراحی شده

شکل ۶. توزیع صفات در مجموعه داده آسیب شناسی. ستون ها با خطوط پر شده عمودی بیانگر توزیع صفت T ، ستون ها با خطوط پرشده افقی بیانگر توزیع صفت N ، و ستون های پر شده با توری بیانگر توزیع صفت M می باشد.

جدول ۱. توزیع صفات (ویژگی) در مجموعه داده بالینی

جدول ۲. تعریف پشتیبانی ، اعتماد و برداشتن.

۳.۴ انتخاب قانون

۴. نتایج و مباحثات

شکل ۷. داده وارد شده برای یادگیری انجمنی (۶ رکورد)

جدول ۳. تعداد قوانین برای هر متغیر متناظر در صفات آسیب شناسی

جدول ۴. نتایج عملکرد قوانین انتخاب شده بوسیله SCL و CLS. مورد SCL بیانگر حمایت - سپس - اعتماد - سپس - پیشرفت بوده ، و CLS بیانگر اعتماد - سپس - پیشرفت - سپس - حمایت می باشد.

۴.۱ ارزیابی قوانین

شکل ۸. (a) میزان RM% کلی SCL و CLS و (b) میانگین acc% ی SCL و CLS. خط توپر بیانگر مجموعه داده SCL و خط نقطه چین بیانگر مجموعه داده CLS می باشذد. RM% تعداد رکوردهای منطبق شده قوانین بالقوه بوده که توسط تعداد رکوردهای ارزیابی شده تقسیم شدند. ACC% تعداد پیش بینی رکوردهای صحیح بوده مه بوسیله تعداد رکوردهای مطابقت یافته قوانین بالقوه می باشد.

۵. جمع بندی

ترجمه کلمات کلیدی

سرطان ریه - تشخیص مرحله بندی سرطان - داده کاوی -

کلمات کلیدی انگلیسی

Lung cancer; Cancer staging diagnosis; Data mining; Association rule mining

ترجمه چکیده

سرطان ریه یکی از عمده ترین سرطان ها برای هر دو جنسیت در سرتاسر جهان می باشد. این نوع سرطان شایع ترین دلیل مرگ و میر بر اثر سرطان بوده و تا ۲۰٪ کل آن را در برمی گیرد. وقوع سرطان ریه بصورت قابل توجه از ابتدای قرن ۱۹ ام افزایش یافته است. در این متن (مقاله) ، ما تکنیک های داده کاوی مختلفی را مورد مباحثه قرار داده ایم که برای تشخیص سرطان استفاده شده اند. استقرار (نمایش) آسیب شناسی سرطان ریه بر اساس گزارش آسیب شناسی بمنظور توصیف اندازه ویا گستردگی تومور اصلی و خواه اینکه سرطان توسعه (گسترش) یافته یا خیر (دگردیسی) می باشد. آگاه بودن از استقرار آسیب شناسی سرطان ریه ، بدلیل اینکه می تواند برای تخمین پیش بینی وضعیت بیمار مورد استفاده قرار بگیرد ، همچنین می تواند به پزشکان کمک نماید تا درمانی مناسب را برنامه ریزی کنند ، امری مهم است. نمونه بافت از ریه بیمار لازم بوده تا بدین منظور گزارش آسیب شناسی برای تشخیص استقرار آسیب شناسی سرطان ریه تکمیل گردد. در این رویه ، جراحی بیوپسی‌ (بافت برداری) ضروری است ، اما ممکن است که وضعیت سلامتی بیمار را در معرض خطر قرار دهد. بنابراین ، این مطالعه متمرکز بر گرفتن اطلاعات بالینی ای بوده که می توان بدون جراحی برای جایگذاری گزارش آسیب شناسی فراهم نمود. تکنیک های داده کاوی برای یافتن ارتباط مابین اطلاعات بالینی و گزارش آسیب شناسی بمنظور پشتیبانی از تشخیص استقرار آسیب شناسی سرطان ریه ، استفاده شده است.

ترجمه مقدمه

در دهه های اخیر ، سرطان بشدت افزایش یافته است. سرطان ریه یکی از عمده ترین سرطان ها برای جفت جنسیت ها در سرتاسر جهان می باشد. این مقوله یکی از شایع ترین دلایل مرگ و میر سرطانی بوده و ۱۹.۴٪ از کل آن را در بر میگیرد. وقوع سرطان ریه از اوایل قرن ۱۹ ام بصورت قابل ملاحظه ای افزایش یافته است. چیزی در حدود ۹۰٪ موارد سرطان ریه مرتبط به در معرض قرار گرفتن دود تنباکو (دخانیات) بوده ، زیرا دود سیگار حاوی بیش از ۷۰ نوع ماده شیمیایی سرطان زا است. مصرف کنندگان دخانیات بشدت افزایش یافته اند و از همین روی سرطان نیز گسترش شگرفی داشته است. کارامد ترین شیوه برای کاهش مرگ و میر بر اثر سرطان ریه ، کشف آن در اوایل ابتلا است. این مقوله نیازمند رویه تشخیص قابل اطمینان و صحیحی بوده که پزشکان برای تمیز دهی و الحاق بیمار به گروه های خوش خیم (غیر سرطانی) و یا بدخیم (سرطانی) از آن استفاده می کنند. در این رویه ، آزمایش های نظارتی و تست های آسیب شناسانه اعمال شده اند. ازمایشات نظارتی ، شامل آزمایش های فیزیکی (جسمانی) ، سابقه مصرف دخانیات ، تست های خلط (بزاق دهان) ، و CT اسکن های مارپیچی (نخاعی) و غیره - قادر به فراهم آوردن برخی از اطلاعات اولیه برای پزشکان بوده تا بدین منظور تصمیم بگیرند که خواه مورد تحت نظر مشکوک به سرطان است یا خیر. بعد از اینکه این مقوله مورد سوء ظن مبنی بر ابتلای به سرطان ریه بر اساس آزمایشات نظارتی قرار گرفت ، نمونه ای از بافت ریه بیمار برداشته می شود تا مورد تست های آسیب شناسی قرار بگیرد. بصورت کلی ، بیوپسی های ریه ای بوسیله جراحی های دردناک (مانند بیوپسی سوزنی ، تکنیک های بیوپسی برونکوسکپی ، یا جراحی برداشت بافت) صورت می گیرد. آسیب شناسان سلول های ریه بیمار را بررسی خواهند نمود و پزشکان قادر به اتکا بر نتایج نمایش داده شده در گزارش آسیب شناسی بوده تا بدین منظور استقرار آسیب شناسی سرطان را تشخیص و تایید کنند. استقرار آسیب شناسی سرطان ریه بر اساس نتایج گزارش آسیب شناسی معین می شود. این مقوله اندازه ویا گستردگی تومور اصلی وهمچنین خواه اینکه سرطان توسعه یافته (دگردیسی) یا خیر را توصیف می کنند. آگاه بودن از استقرار آسیب شناسی سرطان ریه ، بدلیل اینکه می توان آن را برای تخمین و پیش بینی وضعیت بیمار استفاده نمود و اینکه همچنین می تواند به پزشکان کمک نماید تا درمانی مناسب را برنامه ریزی کنند ، امری ضروری و مهم است. هرچند ، این مقوله غالبا نیازمند زمان و منابع بسیار زیادی بوده تا گزارش آسیب شناسی استقرار آسیب شناسانه سرطان ریه را تشخیص دهند. اگر ما قادر به اعمال اطلاعات بالینی برای تشخیص استقرار آسیب شناسانه سرطان باشیم ، از بسیاری از سودمندی های آن می توان بهره برد. بعنوان مثال ، ذخیره منابع پزشکی ، تقویت کارایی درمان پزشکی ، ارتقا تشخیص اولیه و اجتناب پیش از موعد ، و کاهش دور ریزهای پزشکی و غیره. بنابراین ، این مطالعه متمرکز بر دریافت اطلاعات بالینی ای بوده که می توان بدون نیاز به جراحی برای جایگزینی گزارش آسیب شناسانه فراهم نمود. داده تجربی از اطلس ژنوم سرطانی (TCGA) تهیه شده است. در آزمایش تکنیک های داده کاوی برای یافتن ارتباط مابین اطلاعات بالینی و گزارش آسیب شناسی بمنظور پشتیبانی از تشخیص استقرار آسیب شناسانه سرطان ریه استفاده شده است. هدف این مقاله ، نشان داده امکان اعمال اطلاعات بالینی برای جایگزینی گزارش آسیب شناسی ، خصوصا در تشخیص استقرار آسیب شناسانه سرطان ریه می باشد. ادامه این مقاله بصورت ذیل سازماندهی شده است. ما در بخش ۲ به بررسی کاربردهای داده کاوی مختلف در حوزه تشخیص سرطان می پردازیم. در بخش ۳ چارچوب کاری مطروحه برای سیستم استقرار آسیب شناسانه سرطان را توضیح می دهیم. در بخش ۴ عملکرد طراحی ما و تجزیه و تحلیل نتایج را ارزیابی می کنیم. در نهایت ، مقاله در بخش ۵ جمع بندی می شود.

دانلود رایگان 2 صفحه اول مقاله لاتین (PDF)

پیش نمایش مقاله

چکیده انگلیسی

Lung cancer is one of the leading cancers for both genders all over the world. It is the most common cause of cancer death and almost reaches 20% of the total. The incidence of lung cancer has significantly increased from the early 19th century. In this manuscript we have discussed various data mining techniques that have been utilised for cancer diagnosis. The lung cancer pathologic staging is set based on the pathology report to describe the size and/or the extent of the original tumour and whether the cancer has spread (metastasis). Being aware of the lung cancer pathologic staging is important because it can be used to estimate a patient’s prognosis and also can help physicians plan a suitable treatment. A sample of tissue from the patient’s lung is required in order to complete the pathology report for the lung cancer pathologic staging diagnosis. In this procedure, a surgery biopsy is necessary but it may put the patient’s health in jeopardy. Therefore, this study focuses on taking the clinical information which can be obtained without surgery to replace the pathology report. The data mining techniques are used to find the correlation between the clinical information and the pathology report in order to support lung cancer pathologic staging diagnosis.