ارائه مدل پیش بینی شبکه های عصبی برای تشخیص زودهنگام بیماری سرطان سینه مبتنی بر اینترنت اشیاء در شهرهای هوشمند

سرطان سینه یک توده بدخیم است که سلول های بافت سینه به علت اختلالات ژنتیکی مانند جهش، افزایش کروموزومی، حذف، باز سازمانی، جا به جا شدگی و تکرار شدگی بدون هیچ کنترلی شروع به تقسیم شدن کرده و به وجود می آیند. زمان تشخیص سرطان سینه بسیار زمان بر است اگر این زمان از حدودا ۵ سال از اولین انحراف سلولی بیشتر نباشد، این موضوع شانس زنده ماندن بیمار را از ۵۶ ٪ به بیش از ۸۶ ٪ می رساند که بسیار بالا است. داده کاوی از روش های جدید برای تشخیص زود هنگام و پیش بینی سرطان سینه است. روشی که در تحقیق حاضر بیان می شود ارائه مدلی برای پیش بینی و تشخیص زود هنگام بیماری سرطان سینه خواهد که کمک می کند یک گام جلوتر به کم ک تکنیک های داده کاوی و شبکه عصبی از بیماری قدم برداشته شود. این پژوهش با بررسی مدل عصبی در تشخیص بیماری سرطان سینه، با مدلسازی داده های سن، وزن، سن شروع قاعدگی، سن یائسگی، مدت زمان مصرف OCP ، سن اولین بارداری، سابقه خانوادگی، فعالیت ورزشی و تعداد ماه های شیردهی به عنوان ورودی ها و متغیر بیماری سرطان سینه به عنوان خروجی شبکه عصبی پیش خور با الگوریتم یادگیری پس انتشار لونبرگ - مارکارد و بررسی برآورد دقت مدل ها با روش MSE و RMSE تعیین نمود که الگوریتم شبکه عصبی چندلایه نتیجه مناسبی را به همراه دارد. هم چنین طبق تحلیل حساسیت مشخص شد که اهمیت بیشتر سابقه خانوادگی و اهمیت کمتر به متغیرهای سن، وزن، سن شروع قاعدگی و تعداد ماه های شیردهی است. با توجه به اهمیت اطلاعات فردی در تشخیص زودهنگام بیماری سرطان سینه، می توان از جذابیت های اینترنت اشیا در شهرهای هوشمند بهره گرفت.

کلیدواژه ها:

سرطان سینه ، تشخیص زودهنگام ، شبکه عصبی ، اینترنت اشیا