یک رویکرد نوین در تشخیص سرطان سینه با استفاده از پشته تعمیم

سرطان سینه یکی از رایج ترین انواع سرطان ها است و رشد قابل ملاحظه ای از آن در سال های اخیر گزارش شده است. به منظور تشخیصاین بیماری، پارامترهای زیادی باید بررسی گردد که خطاهای انسانی و یا عوامل محیطی امکان اشتباه را ممکن میکند. به همین دلیل در چنددهه اخیر از هوش مصنوعی برای تشخیص این بیماری در جهت کمک به پزشکان استفاده می شود. در این تحقیق فرایند تشخیص این بیماریبا استفاده از پشته تعمیمیافته در یک مدل ترکیبی مبتنی بر سه طبقهبندی شبکه عصبی MLP، درخت تصمیم ID3 و ماشین بردار پشتیبان ارایه می شود. برای بهبود عملکرد مدل طبقه بندی ترکیبی از یک روش جدید تحت عنوان بلاک جداکننده برای تشخیص نمونه هایی که باعثایجاد خطا می شوند، استفاده می شود. به منظور ارزیابی دقت روش پیشنهادی از پایگاه داده ویسکانسین استفاده شده است. نتایج آزمایش ها برتریروش پیشنهادی را در مقابل سایر روش ها مشابه نشان می دهد. دقت مدل طبقه بندی ارایه شده روی مجموعه داده های سرطان سینه WBCD, WDBC و WPBC از پایگاه داده ویسکانسین به ترتیب 99.54%، 99.58% و 99.84% می باشد.

کلیدواژه ها:

پشته تعمیم یافته ، طبقه بندی داده ها ، پایگاه داده ویسکانسین ، تشخیص سرطان سینه