English  |  正體中文  |  简体中文  |  Items with full text/Total items : 90453/105672 (86%)
Visitors : 12181525      Online Users : 685
RC Version 6.0 © Powered By DSPACE, MIT. Enhanced by NTU Library IR team.
Scope Tips:
  • please add "double quotation mark" for query phrases to get precise results
  • please goto advance search for comprehansive author search
  • Adv. Search
    HomeLoginUploadHelpAboutAdminister Goto mobile version
    ASIA unversity > 管理學院 > 經營管理學系  > 期刊論文 >  Item 310904400/113014


    Please use this identifier to cite or link to this item: http://asiair.asia.edu.tw/ir/handle/310904400/113014


    Title: Using data mining to investigate the model for recurrence of oral cavity cancer
    Authors: Ya, Chun-Ming;Yang, Chun-Ming;許昌賢;Hsu, Chang-Hsien;鍾侑庭;Chung, Yu-Ting;Che, Chi-Yuan;Chen, Chi-Yuan
    Contributors: 經營管理學系
    Keywords: 口腔癌;資料探勘;癌症登記資料庫
    Date: 2019-12
    Issue Date: 2020-09-07 14:55:20 (UTC+8)
    Publisher: 亞洲大學
    Abstract: 根據行政院衛生署統計,惡性腫瘤為國人十大死因之首,其口腔癌排名為第五名,亞洲地區也屬於高危險群,男性罹患的機會大約是女性的兩倍。口腔癌屬於頭頸部癌,治療方法有手術治療與放射治療;相對於手術治療,放射線治療較可滿足對美觀及保留功能的需求,治療方式也會因人而異,除了單純的手術治療,手術加上放射療,或者是前兩者加上化學治療,對於病患的預後都有很大的影響,因此如何有效建立口腔癌治療後復發預測模型,治療方式不同對口腔癌預後是一個重要的議題。
    研究對象以台灣地區癌症登記資料庫中口腔癌治療之個案為探討。使用資料探勘技術進行分析,本研究使用倒傳遞類神經網路、C5.0決策樹、支持向量機、C5.0決策樹結合倒傳遞類神經與C5.0決策樹結合支持向量機於口腔癌治療後患者復發的預測模型,接著進行以上五種方法的績效評估。
    結果發現C5.0決策樹在建立復發預測模型較其他四種演算法佳,而倒傳遞類神經為最低(74.64%);本研究透過C5.0決策樹找到預測變數重要性上,發現腫瘤分期(病理)PN與PT在分類上扮演著重要的角色。由本研究可知,透過資料探勘的技術,不僅可擷取出口腔癌的隱藏訊息,更能提供專業醫師在臨床輔助診斷給予參考價值;給予病患預後的參考依據。
    Relation: BASIC & CLINICAL PHARMACOLOGY & TOXICOLOGY
    Appears in Collections:[經營管理學系 ] 期刊論文

    Files in This Item:

    File Description SizeFormat
    index.html0KbHTML24View/Open


    All items in ASIAIR are protected by copyright, with all rights reserved.


    DSpace Software Copyright © 2002-2004  MIT &  Hewlett-Packard  /   Enhanced by   NTU Library IR team Copyright ©   - Feedback