Machine learning and deep learning-based prediction of uterine tumors and some treatments in the Ouargla region

Abstract

Uterine tumors are among the most common tumors affecting women, and they are classified into benign and malignant tumors. To support medical decision-making and improve the accuracy of diagnosis and selection of appropriate treatment, this research relied on machine learning techniques to conduct a statistical study on real data of patients with uterine tumors, collected from Mohamed Boudiaf Hospital in Ouargla. Binary classification was used to determine the type of tumor (benign or malignant), where the Artificial Neural Network (ANN) algorithm was chosen with an accuracy of 86.25%. As for the classification of the type of treatment (surgical), both ANN and Linear SVM algorithms were selected, achieving an accuracy of 82.5%. Regarding the prediction of the number of appropriate treatment sessions for each case, the ANN algorithm demonstrated its efficiency by achieving the lowest error rate. This work aims to provide an intelligent model that helps doctors make accurate and quick decisions.

Les tumeurs de l'utérus sont parmi les tumeurs les plus courantes chez les femmes, et elles sont classées en tumeurs bénignes et malignes. Pour soutenir la prise de décision médicale et améliorer la précision du diagnostic ainsi que le choix du traitement approprié, cette recherche s'est appuyée sur des techniques d'apprentissage automatique afin de mener une étude statistique sur des données réelles de patientes atteintes de tumeurs utérines, recueillies à l'hôpital Mohamed Boudiaf de Ouargla. La classification binaire a été utilisée pour déterminer le type de tumeur (bénigne ou maligne), où l'algorithme du réseau de neurones artificiels (ANN) a été choisi avec une précision de 86.25 %. En ce qui concerne la classification du type de traitement (chirurgical), les algorithmes ANN et SVM linéaire ont été choisis, avec une précision de 82.5 %. Concernant la prédiction du nombre de séances de traitement appropriées pour chaque cas, l'algorithme ANN a démontré son efficacité en enregistrant le taux d'erreur le plus bas. Ce travail vise à fournir un modèle intelligent aidant les médecins à prendre des décisions précises et rapides.

أورام الرحم من أكثر الأورام شيوعًا بين النساء، وهي تنقسم إلى أورام حميدة وأخرى خبيثة. ولدعم القرار الطبي وتحسين دقة التشخيص واختيار العلاج الأنسب، تم في هذا البحث الاعتماد على تقنيات التعلم الآلي لإجراء دراسة إحصائية على بيانات حقيقية لمريضات مصابات بأورام الرحم، جُمعت من مستشفى محمد بوضياف في ورقلة. تم استخدام أسلوب التصنيف الثنائي لتحديد نوع الورم (حميد أو خبيث)، حيث تم اختيار خوارزمية الشبكة العصبية الاصطناعية، وبلغت دقتها 86.25% . وفيما يتعلق بتصنيف نوع العلاج (الجراحي)، تم اعتماد كل من خوارزمية الشبكة العصبية الاصطناعية وخوارزمية آلة الدعم النقطية ذات النواة الخطية، وحققتا معًا دقة بلغت 82.5%. أما بخصوص التنبؤ بعدد جلسات العلاج المناسبة لكل حالة، فقد أثبتت خوارزمية الشبكة العصبية الاصطناعية فعاليتها من خلال تسجيل أقل نسبة خطأ في النتائج. يهدف هذا العمل إلى تقديم نموذج ذكي يُسهم في مساعدة الأطباء على اتخاذ قرارات دقيقة وسريعة.