مقایسه عملکرد الگوریتم های یادگیری ماشین و شبکه عصبی برای طبقه بندی بیماران مبتلا به سرطان ریه

سرطان ریه یکی از بیماری های خطرناکی است که سالانه باعث مرگ و میر تعداد زیادی از مبتلایان در سراسر جهان می شود. مشخصه ی این بیماری رشد کنترل ‌نشده سلول ها در بافت‌های ریه است و علائم اولیه آن معمولاً سرفه یا خستگی مداوم است که به راحتی می‌توان آنها را بی‌اهمیت جلوه داد و از کنار آن رد شد. تنها 30 درصد از بیمارن مبتلا به سرطان ریه در مرحله ابتدایی متوجه بیماری خود می‌شوند. این آمار تا حدی توضیح می‌دهد که چرا بیشتر بیماران مبتلا به سرطان ریه کمتر از 5 سال عمر می‌کنند. مطالعات نشان می‌دهد اگر سرطان ریه زودتر تشخیص داده شود میزان مرگ و میر بین 20 تا 30 درصد کاهش پیدا می‌کند. هدف ما دراین پژوهش مقایسه عملکرد الگوریتم های k-نزدیکترین همسایه، شبکه عصبی و ماشین بردار پشتیبان به منظور پیش بینی احتمال ابتلای افراد به بیماری سرطان ریه با استفاده از ویژگی های بالینی آنها می باشد. برای این منظور از داده های مربوط به آن با هدف آموزش و آزمایش الگوریتم های مذکور استفاده شد و نتیجه ی این پژوهش نشان داد که بهترین عملکرد مربوط به روش k-نزدیکترین همسایه با دقت 94% می باشد.