استفاده از الگوریتم جغرافیای زیستی در بهینه سازی شبکه عصبی جهت تشخیص سرطان پستان

سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 345

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJBD-10-4_005

تاریخ نمایه سازی: 18 اسفند 1397

چکیده مقاله:

در حال حاضر، سرطان پستان از شایع ترین بیماری های زنان است. دسته بندی دقیق تومور سرطان پستان نقش کلیدی را در امر تشخیص پزشکی ایفا میکند. متخصصین به دنبال روشهای بهینه جهت بهبود تشخیص این تومور میباشند. روش بررسی: در این مطالعه شبکه عصبی مبتنی بر جغرافیای زیستی ارایه گردیده که با استفاده از آنالیز اجزای اصلی در مرحله آماده سازی و بروز رسانی همزمان وزنها موفق به دسته بندی داده ها به عنوان خوشخیم یا بدخیم میگردد. جهت ارزیابی الگوریتم ارایه شده از داده های بانک اطلاعاتی ویسکانسین استفاده شده است.یافته ها: دقت تفکیک در حالت عادی یعنی حالتی که از آنالیز اجزای اصلی و الگوریتم بهینه سازی استفاده نشده و تنها شبکه عصبی با نسبت 30-70 داده های آموزش به تست مورد استفاده قرار گیرد، %97/2 است. با بکارگیری آنالیز اجزای اصلی و کاهش 9 ویژگی به 8 ویژگی دقت به 98/5 میرسد. نهایتا با استفاده از الگوریتم بهینه سازی جغرافیای زیستی همراه با اعتبار سنجی ضربدری 10 گانه دقت به %100 رسیده که به میزان قابل توجهی از نتایج بدست آمده از مطالعات دیگر موفق تر است.نتیجه گیری: استفاده از این الگوریتم میتواند عملکرد شبکه عصبی را بهبود دهد. مقایسه روش ارایه شده با حالت بهینه نشده و در حالتی که فقط از PCA و شبکه عصبی استفاده شده است، عملکرد بهینه این روش را نشان داد. نتایج حاکی از آن است که مدل ارایه شده در این مقاله دقت بسیار بالایی در تفکیک دادههای سرطان پستان دارا میباشد و می توان از آن جهت تشخیص نهایی این سرطان استفاده نمود.

کلیدواژه ها:

بهینه سازی جغرافیای زیستی ، آنالیز اجزای مستقل ، شبکه عصبی پرسپترون چند لایه ، الگوریتم پس انتشار.

نویسندگان

سیروس احمدی طوسی

گروه مهندسی پزشکی، دانشکده برق و علوم کامپیوتر، دانشگاه حکیم سبزواری، سبزوار، ایران

حسین قیومی زاده

گروه مهندسی پزشکی، دانشکده برق و علوم کامپیوتر، دانشگاه ولیعصر ع رفسنجان

جواد حدادنیا

گروه مهندسی پزشکی، دانشکده برق و علوم کامپیوتر، دانشگاه حکیم سبزواری، سبزوار، ایران