การพัฒนาระบบแนะนำระยะเวลาการเกิดมะเร็งกำเริบ (Cancer recurrence) ของผู้ป่วยมะเร็งในโรงพยาบาลศิริราช โดยใช้เทคนิคเหมืองข้อมูล

The development of system for estimation of cancer recurrence duration for cancer patient in Siriraj hospital, using data mining technique.

Name: ศราวุธ แดงมาก

ThaSH: ดาต้าไมนิง

ThaSH: มะเร็ง -- การเกิดโรคกลับ

ThaSH: ปาสคาล (ภาษาคอมพิวเตอร์)

Abstract: ปัญหาพิเศษนี้มีวัตถุประสงค์เพื่อพัฒนาระบบประมาณการเวลาการเกิดมะเร็งกำเริบ รวมทั้งประเมิน คุณภาพระบบ และประเมินความพึงพอใจของผู้ใช้งาน ซึ่งมีการนำปัจจัยที่คาดว่าจะส่งผลต่อระยะเวลาการเกิด มะเร็งกำเริบ 11 ด้านของผู้ป่วยในแต่ละรายคือ อายุ เพศ อาชีพ จังหวัด รหัสมะเร็งปฐมภูมิ รหัสมะเร็งกำเริบ รหัสวินิจฉัยทางจุลกายวิภาค รหัสโรคร่วม หัตถการทางการแพทย์ที่เกี่ยวข้องกับโรคมะเร็ง ระยะโรค และอายุ มะเร็งกำเริบ โดยเลือก 3 กลุ่มโรคมะเร็งที่พบบ่อยของโรงพยาบาลศิริราชในปี 2556 ได้แก่ 1) กลุ่มมะเร็งเต้านม จำนวน 2,728 ข้อมูล 2) กลุ่มมะเร็งทางเดินอาหารส่วนล่าง จำนวน 1,894 ข้อมูล 3) กลุ่มมะเร็งระบบสืบพันธุ์ สตรีรวมมะเร็งปากมดลูก จำนวน 8,356 ข้อมูล ย้อนหลังไป 20 ปี ตั้งแต่มกราคม 2536 – ธันวาคม 2556 ผ่านกระบวนการทำเหมืองข้อมูล เพื่อทดสอบประสิทธิภาพแบบจำลองพยากรณ์ฯ ซึ่งผลจากการทดสอบ ประสิทธิภาพพบว่า แบบการวิเคราะห์เพื่อนบ้านใกล้ที่สุด เค-เนียร์เลส เนเบอร์ (K-Nearest Neighbour) หรือ IBk ให้ผลดีกว่าการเรียนรู้ด้วยต้นไม้ตัดสินใจ ดีซีชั่นทรี (Decision Tree) และการจัดกลุ่มที่ใช้หลักความน่าเป็น นาอีฟเบย์ (Naive Bayes) คือมีค่าความแม่นยำ (Precision) และค่าความระลึก (Recall) มากกว่า 80 เปอร์เซ็นต์ ซึ่งแบบจำลองที่ดีที่สุดนี้ถูกนำมาพัฒนาระบบแนะนำระยะเวลาการเกิดมะเร็งกำเริบฯ ตามวงจร การพัฒนาระบบ SDLC (System Development Life Cycle) ซึ่งผลจากการประเมินคุณภาพของระบบโดย ผู้เชี่ยวชาญพบว่า การประมวลผลและความถูกต้องอยู่ในระดับดีมาก (X􀒧 = 4.6, S.D. = 0.5) ความสะดวกและ ความปลอดภัยอยู่ในระดับดีมาก (X􀒧= 4.5, S.D. = 0.4) ผลการประเมินความพึงพอใจโดยผู้ใช้งานระบบอยู่ใน ระดับดีมาก (X􀒧= 4.7, S.D. = 0.5)

Abstract: This special problem aims to develop and evaluate of system for estimation of cancer recurrence duration and evaluate users’ satisfaction for using the system. There are 11 factors that may affect the cancer recurrence duration, i.e. age, gender, occupation, hometown, primary site code, cancer recurrence code, histological code, co-morbidity code, medical procedure, stage, and time of cancer recurrence. The researcher selects data from 3 cancer groups, which always occur in Siriraj hospital, i.e. 2,728 data of Breast cancer, 1,894 data of Lower gastrointestinal cancer and 8,356 data of Gynecologic and Cervix. Such data is collected from January, 2536 B.E. to December, 2556 B.E. 3 classification algorithms, i.e. K-Nearest Neighbor (IBk), Decision Tree and Naïve Bayes, used to compared the performances of the model. The best algorithms used to develop the system, using System Development Life Cycle (SDLC.) method. The result of system evaluation, by the experts, is at very good level (Accuracy and Processing X􀒧 = 4.6, S.D. = 0.5, Convenience and Security X􀒧 = 4.5, S.D. = 0.4) and users' satisfaction are at very good level (X􀒧 = 4.7, S.D. = 0.5).

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ. สำนักหอสมุดกลาง

Address: กรุงเทพมหานคร

Email: library@kmutnb.ac.th

Name: ธันว์รัชต์ สินธนะกุล

Role: อาจารย์ที่ปรึกษา

Email : thanrat.s@fte.kmutnb.ac.th

Name: ธัญญรัตน์ น้อมพลกรัง

Role: อาจารย์ที่ปรึกษา

Email : thanyarat_tnp@yahoo.com

Name: สุวนิตย์ ธีระศักดิ์วิชยา

Role: อาจารย์ที่ปรึกษา

Created: 2557

Modified: 2561-03-13

Issued: 2561-03-13

วิทยานิพนธ์/Thesis

application/pdf

tha

DegreeName: ครุศาสตร์อุตสาหกรรมมหาบัณฑิต

Level: ปริญญาโท

Descipline: เทคโนโลยีคอมพิวเตอร์

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าพระนครเหนือ

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	B16117955.pdf	7.51 MB	33	2025-12-08 11:29:50

ใช้เวลา

0.034863 วินาที