Klasyfikacja komórek rakowych z wykorzystaniem technik eksploracji danych

• Autorzy: Szydłowska E.

Warianty tytułu

EN

The cancer cells classification using data mining techniques

• Języki publikacji: PL

Abstrakty

PL

Artykuł prezentuje zastosowanie technik eksploracji danych w zagadnieniu wykrywania komórek rakowych pęcherza moczowego. Analizy były przeprowadzane w oparciu o algorytmy zaimplementowane w systemie bazy danych ORACLE 10g Release 2. W artykule porównano wyniki efektywności klasyfikacji różnych algorytmów na podstawie dostępnych metryk testowych, jak: macierze pomyłek, charakterystyki ROC, charakterystyki przyrostowe.

EN

The paper describes using data mining techniques in the bladder cancer cells detection. Algorithms are implemented in ORACLE 10g Release 2 database system. Efficiency of classification algorithms was compared using test metrics such as confusion matrix, ROC chart and lift chart.

Słowa kluczowe

PL

klasyfikacja komórek rakowych; techniki eksploracji danych

EN

cancer cells classification; data mining techniques

• Wydawca: Oficyna Wydawnicza Politechniki Opolskiej
• Czasopismo: Zeszyty Naukowe. Elektryka / Politechnika Opolska
• Rocznik: 2007
• Tom: Vol. 320, z. 58
• Strony: 159--176
• Opis fizyczny: Bibliogr. 18 poz., schem., tab., wykr

Twórcy

autor

Szydłowska E.

• Wydział Elektrotechniki, Automatyki i Informatyki Instytut Automatyki i Informatyki, Politechnika Opolska, ul. K. Sosnkowskiego 31, 45-272 Opole,

Bibliografia

• 1. BYRSKI M., „Data Mining w bazie Oracle 9i”, VIII Konferencja PLLOUG, Kościelisko, październik 2002
• 2. BORKOWSKA E., CONSTANTINOU M., BINKA-KOWALSKA A., Kałużewski B.: Diagnostyka raka pęcherza moczowego przy użyciu metody MSSCP (eksony 5-8 genu P53) i testu UroVysion, I Konferencja Użytkowników DNA Pointer System, Warszawa, 2003
• 3. BORÓWKA A., SIEDLECKI P.: Nowotwory układu moczowo-płciowego, Opracowanie przygotowane przez zespół ekspertów Polskiego Towarzystwa Urologicznego i Polskiego Towarzystwa Onkologii Klinicznej
• 4. BROWN T. A.: Genomy, Wydawnictwo Naukowe PWN, Warszawa 2001, ISBN 83-01-13439-9
• 5. FEELDERS A., DANIELS H., HOLSHEIMER M.: “Methodological and practical aspects of data mining”, Informatition & Manahement 37 (2000) 271-281
• 6. FAWCETT T., „An introduction to ROC analysis”, Pattern Recognition Letters 27 (2006) 861-874
• 7. Glosariusz statystyczny; Statsoft, Inc, 1984-2003, http://www.statsoft.pl/textbook/glosfra_stat.html
• 8. GUZ T.: Poprawa efektywności klasyfikatora „Box Classifier” w systemie „Metafer”, XIII Konferencja „Sieci i systemy informatyczne”, Łódź, 2005.
• 9. MORZY M., „Oracle Data Mining – odkrywanie wiedzy w dużych wolumenach danych”, XI Konferencja PLOUG, Kościelisko, październik 2005
• 10. Oracle Data Mining Concepts; 10g Release 1 (10.1); Par No. b10698-01; December 2003
• 11. Oracle Data Mining Concepts; 10g Release 2 (10.2); Par No. b14339-01; June 2005
• 12. PLESCH A., LOERCH T.: Metafer – a Ultra Novel High Throughput Scanning System for Rare Cell Detection and Automatic Interphase FISH Scoring, Early Prenatal Diagnosis, Fetal Cells and DNA in the Mother, Present State and Perspectives, 12th Fetal Cell Workshop, Prague, May 2001, pp.329–339
• 13. PERNER P., “Intelligent data analysis in medicine – Recent advances”,Artidicial Inteligence in Medicine (2006) 37, 1-5
• 14. HOVAHANNES S., ARMEN A., PRAVANSU M.: “Data mining algorithm for manufacturing process control”, Int J Adv Manuf Technol (2006) 28:342-350
• 15. WINDLE P. E., “Data mining: An Excellent Reserch Tool”, Journal of PeriAnesthia Nursing, Vol 19, No 5 (October), 2004: pp 355-356
• 16. STANISŁAWSKI W., TESKA J. A.: „Narzędzia analityczne data mining w bazie Oracle 10g”
• 17. VK M., CURK T.: “ROC Curve, Lift Cgart and Colibration Plot” Metodoloski zvezki, Vol. 3, No. 1, 2006, 89-108
• 18. ZAJĄC M., WIŚNIEWSKA M.: Zastosowanie fluoroscencyjnej hybrydyzacji in situ (FISH) w identyfikacji zmian materiału genetycznego u osób z niepełnosprawnością intelektualną, Nowiny Lekarskie, 72, 2003, 9-13