تشخیص سرطان سینه با استفاده از یک مدل طبقه بندی ترکیبی مبتنی بر جداسازی نمونه های متعارف و نامتعارف

پیش بینی و تشخیص بیماریهای مختلف دو مولفه تاثیرگذار علوم پزشکی می باشند. اخیرا با گسترش روزافزون علم، استفاده از سیستم های پشتیبان تصمیم می تواند کمک زیادی در سیاست های درمانی پزشک داشته باشد. بدین منظور استفاده از سیستم های هوشمند مصنوعی در پیش بینی و تشخیص سرطان سینه که یکی از رایج ترین سرطان ها در بین زنان می باشد، موردتوجه است. در این تحقیق فرآیند تشخیص بیماری سرطان سینه در یک رویکردی دو مرحله ای انجام میشود. در مرحله ویژگیهای موثر در پیش بینی بیماری سرطان با یک الگوریتم ژنتیک بهبودیافته مبتنی بر طول رشته متغیر تشخیص داده می شوند. سپس تشخیص نمونه های متعارف و نامتعارف به منظور افزایش دقت و ایجاد مدل طبقه بندی نهایی در مرحله دوم انجام می شود. برای کار طبقه بندی از مدل های کلاسیک درخت تصمیم (ID3) و ماشین بردار پشتیبان (SVM) استفاده شده است. نتایج حاصل از آزمایش ها برتری روش پیشنهادی را با مدل طبقه بندی SVM در مقایسه با سایر روشهای مشابه نشان می دهد. میانگین دقت تشخیص بیماری سرطان سینه در روش پیشنهادی روی مجموعه داده های WDBC ، WVBCD و WPBC با مدل SVM به ترتیب 99٫ 26٪ ، 98 , 55٪ و 98٫ 45٪ گزارش شده است.

کلیدواژه ها:

الگوریتم ژنتیک ، سرطان سینه ، ویژگیهای موثر ، نمونه های متعارف ، نمونه های نامتعارف