Using Data Mining to Investigate Dental Cancer Claiming Data

• Autorzy: Li H.-H. , Wang S.-L. , Chiang Y.-Y. , Fu S.-K.

Warianty tytułu

PL

Analiza danych dentystycznych na przypadki raka jamy ustnej

• Języki publikacji: EN

Abstrakty

EN

In the view point of preventive medicine, the dangerous factors related to the life style have a close relationship to cancers. Some dangerous factors can be effectively collected by investigating the human health status, the physical examination, family's disease history, etc. The literature reported that the oral cancer is closely related the habits, such as smoking, drinking beer and chewing betel nut. For effectively controlling the treatment course of cancers and improving the quality of the life, this paper adopted the cancer registration data to perform data mining, knowledge being excavated to probe the causes of diseases and looking for the key indicators relatively to the oral cancer.

PL

W artykule przedstawiono analizę danych, dotyczących osób chorych na raka jamy ustnej, w tym m. in. historię choroby, przyzwyczajenia i nawyki pacjenta, sprzyjające rozwojowi choroby nowotworowej. Pozwoli to na określenie wpływu wymienionych czynników na pojawienie się raka.

Słowa kluczowe

EN

data mining; neural network; oral cancer

PL

analiza danych; sieć neuronowa; rak jamy ustnej

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2013
• Tom: R. 89, nr 1b
• Strony: 162--164
• Opis fizyczny: Bibliogr. 4 poz., rys., tab.

Twórcy

autor

Li H.-H.

• National Chung-Cheng University

autor

Wang S.-L.

• Central Taiwan University of Science and Technology

autor

Chiang Y.-Y.

• Central Taiwan University of Science and Technology

autor

Fu S.-K.

• National Chung-Cheng University

Bibliografia

• [1] Han J. and Kamber M., “Data Mining: Concepts and Techniques”, Morgan Kaufmann Publishers, USA, 2011.
• [2] Shital C. S., Andrew K. , Michael A., Donnell O., “Patientrecognition data mining model for BCG-plus interferon immunotherapy bladder cancer treatment”, Computers in Biology and Medicine 36. pp.634–655, 2006.
• [3] Abbass H., “An evolutionary artificial neural networks approach for breast cancer diagnosis”, Artificial Intelligence in Medicine 25, pp.265-281, 2002.
• [4] Chou S.M., Lee T.S., Shao Y.E., and Chen I.F., “Mining the breast cancer pattern using artificial neural networks and multivariate adaptive regression splines”, Expert System with Applications, 27, pp.133-142, 2004.