fa تشخیص سرطان پروستات و پیش‎بینی احتمال ابتلا به این بیماری در شاغلین طب کار occupational medicine پژوهشي Research <p dir="RTL"><strong>مقدمه:</strong> تشخیص بیماری<span dir="LTR">&lrm;</span>های مختلف در علم پزشکی یکی از زمینه<span dir="LTR">&lrm;</span>های پرکاربرد داده<span dir="LTR">&lrm;</span>کاوی محسوب می<span dir="LTR">&lrm;</span>شود که در سال<span dir="LTR">&lrm;&lrm;</span>های اخیر تحقیقات و مطالعات فراوانی پیرامون آن انجام شده است. در این مقاله به مساله تشخیص سرطان پروستات با استفاده از سیستم فازی پرداخته شده است. هدف، تشخیص سرطان پروستات و هم<span dir="LTR">&lrm;</span>چنین پیش<span dir="LTR">&lrm;&lrm;</span>بینی میزان احتمال ابتلا به این بیماری است.</p> <p dir="RTL"><strong>روش بررسی:</strong> در روش پیشنهادی ابتدا بر روی مجموعه داده در دسترس، پیش<span dir="LTR">&lrm;</span>پردازش انجام شده و در مرحله بعد عملیات خوشه<span dir="LTR">&lrm;</span>بندی انجام می<span dir="LTR">&lrm;</span>گیرد. سپس یک سیستم فازی مرتبه صفر سوگنو برای پیش&lrm;بینی طراحی می&lrm;شود. هر خوشه به عنوان مقدم یک قاعده فازی و خروجی هر قاعده درصد احتمال بیماری در آن خوشه در نظر گرفته می&lrm;شود. برای هر نمونه جدید، درجه تعلق به هر خوشه محاسبه و سپس با ترکیب خروجی&lrm;های حاصل از هر قاعده، میزان احتمال ابتلای آن نمونه به سرطان پروستات، پیش<span dir="LTR">&lrm;</span>بینی می‌شود. در نهایت با در دست داشتن این احتمال و حد آستانه در نظر گرفته شده برای این احتمال، ابتلا یا عدم ابتلای نمونه مورد<span dir="LTR">&lrm;</span>نظر به سرطان پروستات تشخیص داده می<span dir="LTR">&lrm;</span>شود.</p> <p dir="RTL"><strong>نتایج:</strong> نتایج آزمایشات حاکی از دقت خوب سیستم ارائه شده در پیش‌بینی احتمال بیماری می‌باشد.</p> <p dir="RTL"><strong>نتیجه‌گیری:</strong> از نتایج حاصل از این تحقیق می<span dir="LTR">&lrm;</span>توان به منظور پیش<span dir="LTR">&lrm;</span>بینی احتمال ابتلای شاغلین جوان به سرطان پروستات با توجه به مشاغل مختلفی که به آن<span dir="LTR">&lrm;</span>ها اشتغال دارند و میزان مواجهه با عوامل خطرزا در هر یک از مشاغل استفاده کرد که در صورت بالا بودن این احتمال، به عنوان فرد در معرض خطر شناخته شده و در مواردی حتی شاید نیاز به تغییر شغل وجود داشته باشد.</p> <p dir="RTL"></p> <p dir="RTL"></p> <p><strong><em>Introduction</em></strong><strong><em>:</em></strong> Diagnosis of various diseases in medicine is one of the area&#39;s most widely used data mining in recent years and many researches have been done about it. In this study, the diagnosis of prostate cancer using fuzzy system was assessed. The goal was to diagnose the prostate cancer and to predict the possibility of suffering from the disease.</p> <p><strong><em>Methods</em></strong><strong><em>:</em></strong> In the proposed method, at first, based on available dataset, pre-processing and clustering operations were carried out. Then a zero-order Sugeno fuzzy system was designed for prediction. Each cluster, as the first item of a fuzzy rule, was considered and out of a rule, percentage of disease possibility in each cluster was considered. For each new sample, the membership degree to the each cluster was computed and then by combining outputs from each rule, possibility of disease in the sample was predicted. Finally, by having possibility and threshold for possibility, having or not having the disease for desired sample was diagnosed.</p> <p><strong><em>Results:</em></strong> The results showed that the system has good accuracy in predicting the possibility of disease.</p> <p><strong><em>Conclusion</em></strong><strong><em>:</em></strong> The results of this study can be used to predict the risk of prostate cancer in young workers according to different jobs they are employed and the amount of exposure to risk factors in each job. If this possibility is high, they are known as the person at risk and in some cases there may need to change higher jobs.</p> <p></p> <p></p> پیش بینی, سرطان پروستات, سیستم‌های فازی Prediction, Prostate cancer, Fuzzy systems 62 71 http://tkj.ssu.ac.ir/browse.php?a_code=A-11-615-1&slc_lang=fa&sid=1 Fatemeh Sarbaz Aqdaee فاطمه سرباز عقدائی fatemesarbaz@gmail.com No Department of computer engineering, Science and Arts University دانشگاه علم و هنر یزد Vali Derhami ولی درهمی vderhami@yazd.ac.ir Yes Department of computer engineering, Yazd University گروه مهندسی کامپیوتر، دانشگاه یزد Mohamad Javad Zare Sakhvidi محمدجواد زارع mjzs63@gmail.com No Department of Occupational Health, Faculty of Health, Shahid Sadoughi University of Medical Sciences, گروه بهداشت حرفه‌ای، دانشگاه علوم پزشکی شهید صدوقی یزد Mehrdad Mostaghaci مهرداد مستغاثی mehrdadmostaghaci@gmail.com No Occupational & Environmental Medicine Specialist, Isfahan University of Medical Sciences دانشگاه علوم پزشکی اصفهان، اصفهان Raziyeh Soltani Gerdfaramarzi رضیه سلطانی گردفرامرزی No Industrial Diseases Research Center, Shahid Sadoughi University of Medical Sciences دانشگاه علوم پزشکی و خدمات بهداشتی درمانی شهید صدوقی یزد Maryam Musavi مریم موسوی No Iran University of Medical Sciences ، دانشگاه علوم پزشکی ایران