fa استفاده از قوانین انجمنی جهت کشف عوامل خطر در بروز سرطان معده تخصصي Special پژوهشي اصیل Original Article <p><b>مقدمه: </b>سرطان معده دومین علت مرگ ناشی از سرطان بعد از سرطان ریه در جهان است. بروز آن در مناطق مختلف دنیا متفاوت است. با توجه به میزان شیوع این بیماری و میزان مرگ و میر بالای سرطان معده در کشور، لازم است علل و عوامل تأثیر گذار در بروز این بیماری با دقت بیشتر و روش‌های علمی‌تر، مورد بررسی قرار گیرد. هدف این مقاله، بررسی این عوامل با کمک تکنیک داده‌کاوی است.<br> &nbsp;<b>روش:</b> داده‌های مورد نیاز برای این مطالعه، از بیماران مراجعه‌کننده به بیمارستان امام رضا(ع) شهر تبریز جمع‌آوری شده است و پس از اعمال پیش پردازش بر روی این داده‌ها، در نهایت 490 رکورد شامل 220 نمونه مبتلا به سرطان و 270 نمونه سالم در یک فایل Excel جمع‌آوری شد. با استفاده از پیاده‌سازی الگوریتم Aprioriدر نرم‌افزار Matlab و مجموعه داده‌‌های نهایی، بهترین قوانین حاکم بر روی این مجموعه داده، استخراج شده است.<br> <b>نتایج: </b>در این مطالعه برای نخستین بار از مجموعه داده‌های سرطان معده و ویژگی‌های تأثیرگذار در بروز این بیماری استفاده‌ شده ‌است. نتایج نشان ‌داد، افراد مبتلا به بیماری قلبی عروقی، کمتر در معرض خطر ابتلا به سرطان معده هستند، در ضمن رفلاکس معده با مصرف نکردن نمک، مصرف زیاد نمک و مصرف نکردن شیر ارتباط دارد. همچنین رفلاکس معده بیشترین تأثیر را در ایجاد این بیماری دارد. با استفاده از الگوریتم Apriori قوانینی به دست آمد که می‌تواند به عنوان الگویی برای پیش‌بینی وضعیت بیماران و احتمال بروز این بیماری، استفاده شود.<br> <b>نتیجه‌گیری:</b> امروزه به دلیل وجود حجم انبوهی از داده‌های پزشکی، می‌توان با استفاده از رویکرد داده‌کاوی به استخراج دانش از مجموعه داده‌های پزشکی پرداخت. در این مطالعه با استفاده از الگوریتم Apriori، قوانینی استخراج شده است که می‌تواند کمک فراوانی به پزشکان در بررسی عوامل ایجاد این بیماری بکند.</p> <p><b>Introduction:</b> Gastric cancer is the second cause of death from cancer after lung cancer in the world It`s incidence is varied in different regions of the words. Due to the prevalence rate of the disease and high mortality rates for gastric cancer in the country, it is necessary to examine the influential factors in the incidence of this disease by more accurately and scientific methods. The purpose of this study is to examine this factor with data mining techniques.<br> <b>Method:</b> The required data for this study was collected from patients referring to Imam Reza Hospital, Tabriz. After applying data pre-processing, totally 490 records were collected in an Excel file samples including 220 cancer cases and 270 normal specimens. The best rules based on the datasets were extracted by using Apriori algorithm implemented in MATLAB software and final data set.<br> <b>Results: </b>In this study, gastric cancer datasets and features affecting the incidence of this disease have been used for the first time. The results showed that risk for gastric cancer in people with cardiovascular disease are less‌. In addition, gastric reflux is associated with not using salt and milk, and high salt intake. Gastric reflux has also the most influence on creating this disease. Some rules were obtained by using Apriori algorithm that can be used as a model to predict the status of patients and the incidence of this disease.<br> <b>Conclusion: </b>Nowadays Due to massive amounts of medical data, knowledge can be extracted from datasets by using data mining approach. In this study, some rules were extracted by using Apriori algorithm that can provide physicians with great help to examine the causes of this disease.</p> قوانین انجمنی, الگوریتم Apriori, سرطان معده Association rules, Apriori algorithms, Gastric cancer 95 103 http://jhbmi.ir/browse.php?a_code=A-10-77-1&slc_lang=fa&sid=1 Seyed Abbas Mahmoodi سید عباس محمودی sa_mahmoodi_85@yahoo.com 10031947532846002458 10031947532846002458 Yes دانشجوی کارشناسی ارشد مهندسی نرم‌افزار، گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، پردیس علوم تحقیقات یزد، یزد، ایران. Kamal Mirzaei کمال میرزایی 10031947532846002459 10031947532846002459 No .دکترای مهندسی نرم افزار، استادیار گروه مهندسی کامپیوتر، دانشکده فنی مهندسی، دانشگاه آزاد اسلامی، واحد میبد، میبد، ایران Seyed Mostafa Mahmoodi سید مصطفی محمودی 10031947532846002460 10031947532846002460 No . دانشگاه علوم پزشکی بیرجند، بیرجند، ایران ، دانشکده دندانپزشکی، استادیار گروه پاتولوژی دهان ، .دکترای تخصصی پاتولوژی دهان