تصنيف سرطان الثدي
مشروع تعليمي وبحثي فقط: نتائجه لا تُعد تشخيصاً طبياً ولا تُستخدم لاتخاذ أي قرار علاجي.
وصف المشكلة
تصنيف كتل الثدي إلى حميدة أو خبيثة من 30 خاصية محسوبة من صور خزعات (بيانات Wisconsin الحقيقية). مشروع تعليمي وبحثي فقط: نتائجه لا تُعد تشخيصاً طبياً ولا تُستخدم لاتخاذ قرار علاجي.
الأهداف
- مقارنة أربعة مصنفات
- قراءة Recall للفئة الخبيثة وأهميتها
- استخدام منحنى ROC
نوع المشكلة
تصنيف Classification
مجموعة البيانات
الأدوات المستخدمة
الخوارزميات
خطوات التنفيذ
- افتح breast-cancer-classification.ows في Orange.
- في Test and Score: Cross validation 10 طيات، وقارن Random Forest وSVM وLogistic Regression وkNN.
- اختر الفئة malignant في ROC Analysis.
- في Confusion Matrix ركّز على الحالات الخبيثة المصنفة حميدة (سلبيات كاذبة).
مخطط سير العمل
قراءة البياناتمعالجة وتحويلنموذج / خوارزميةتنبؤتقييمعرض وتصوير
Orange
↔ اسحب المخطط أفقياً لرؤيته كاملاً.
الاتصالات نصاً (9)
- File → Data Table
- File → Test and Score
- Random Forest → Test and Score
- SVM → Test and Score
- Logistic Regression → Test and Score
- kNN → Test and Score
- Test and Score → Confusion Matrix
- Test and Score → ROC Analysis
- File → Scatter Plot
KNIME
↔ اسحب المخطط أفقياً لرؤيته كاملاً.
الاتصالات نصاً (10)
- CSV Reader → Partitioning
- Partitioning → Logistic Regression Learner
- Logistic Regression Learner → Logistic Regression Predictor
- Logistic Regression Predictor → Scorer
- Partitioning → Logistic Regression Predictor
- Partitioning → Random Forest Learner
- Random Forest Learner → Random Forest Predictor
- Random Forest Predictor → Scorer
- Partitioning → Random Forest Predictor
- Logistic Regression Predictor → ROC Curve
ملفات المشروع
- مجموعة البيانات CSVCSV121.9 كيلوبايت
- ملف WEKA بصيغة ARFFWEKA ARFF123.9 كيلوبايت
- سير عمل Orange (.ows)Orange7.8 كيلوبايت
- البيانات بصيغة Orange (.tab) لسير العملOrange TAB122.3 كيلوبايت
- النتائج المرجعية المحسوبة (CSV)نتائج236.0 بايت
- دليل التنفيذ خطوة بخطوة (PDF)PDF367.5 كيلوبايت
- حزمة المشروع كاملة (ZIP)ZIP446.2 كيلوبايت
ملفات KNIME Workflow بصيغة KNWF غير مرفقة في هذا الإصدار لأننا لم نبنها ونختبرها داخل KNIME نفسها؛ مخطط عُقد KNIME مرسوم أعلاه لتبنيه بنفسك.
النتائج
نتائج فعلية محسوبة على الملفات المرفقة
• Random Forest: Accuracy 95.6% (± 2.4%)، F1-macro 0.953
• SVM (RBF): Accuracy 97.5% (± 2.0%)، F1-macro 0.974
• Logistic Regression: Accuracy 97.5% (± 2.0%)، F1-macro 0.973
• kNN (k=5): Accuracy 97.0% (± 1.8%)، F1-macro 0.967
ونتائج مكتبة Orange 3.41.0 (10-fold، كإعدادات Test and Score الافتراضية):
• Random Forest: CA 96.1%، F1 0.961، AUC 0.987
• SVM: CA 97.5%، F1 0.975، AUC 0.972
• Logistic Regression: CA 94.6%، F1 0.945، AUC 0.990
• kNN: CA 93.3%، F1 0.933، AUC 0.960
مقاييس التقييم
- Accuracy
- Recall للفئة الخبيثة
- ROC AUC
- Confusion Matrix
تفسير النتائج
النماذج الخطية مع التطبيع (Logistic Regression وSVM) تصل إلى نحو 97.5% في مرجع scikit-learn. في هذا السياق الخطأ الأخطر هو السلبي الكاذب، لذلك نهتم بـ Recall للفئة الخبيثة أكثر من الدقة الكلية. مشروع تعليمي وبحثي فقط: نتائجه لا تُعد تشخيصاً طبياً ولا تُستخدم لاتخاذ قرار علاجي.
أسئلة للمناقشة
- لماذا لا تكفي الدقة الكلية في المشكلات الطبية؟
- كيف تغيّر عتبة القرار التوازن بين Precision وRecall؟
- ما المخاطر الأخلاقية لنشر نموذج كهذا دون تحقق سريري؟
