سید مصطفی میرکاظمی - دانشجوی کارشناسی ارشد مهندسی پزشکی-بیوالکتریک، دپارتمان مهندسی پزشکی، دانشگاه آزاد اسلامی تهران مرکز، تهران، ایران
پردیس نامدارپور - دانشجوی کارشناسی ارشد زیست شناسی- میکروبیولوژی، دپارتمان پزشکی، دانشگاه آزاد اسلامی تهران مرکز، تهران، ایران
کیوان حاجی رعیت - دانشجوی کارشناسی ارشد مهندسی پزشکی-بیومکانیک، دپارتمان مهندسی پزشکی زیستی، دانشگاه آزاد اسلامی تهران شمال، تهران، ایران

سرطان سینه یکی از مهمترین عوامل مرگ و میر در میان بانوان در سراسر جهان می باشد. تشخیص توده های تشکیل شده درون بافت سینه، به عنوان توده سرطانی یا غیر سرطانی، همواره چالشی است که پزشکان با آن مواجه هستند. ابزارهای آزمایشی زیادی برای تخمین نوع توده سرطانی بکارگرفته میشوند اما همواره پزشکان به دنبال روشی دقیق و با قابلیت اعتماد بالا هستند. هدف ما در این مقاله بهبود عملکرد شبکه عصبی مصنوعی با الگوریتم پرسپترون چند لایه در راستای دسته بندی توده های سرطانی در دو نوع خوش خیم و بدخیم می باشد که با در اختیار داشتن اطلاعات بیمارانی که دارای توده های سینه ای بوده اند توانسته ایم شبکه عصبی با دقت 87,9 % ایجاد کنیم تا بتواند نوع توده سرطانی را بدست آمده این پژوهش توانسته است عملکرد شبکه عصبی مصنوعی با الگوریتم ROC تشخیص دهد. باتوجه به نمودار پرسپترون چند لایه را 3% بهبود بخشد.

سرطان سینه، دسته بندی، شبکه عصبی مصنوعی، پرسپترون چند لایه