[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي :: درباره نشريه :: آخرين شماره :: تمام شماره‌ها :: جستجو :: ثبت نام :: ارسال مقاله :: تماس با ما ::
:: دوره 5، شماره 2 - ( تابستان 1397 ) ::
جلد 5 شماره 2 صفحات 244-251 برگشت به فهرست نسخه ها
ارزیابی تأثیر انتخاب ویژگی و توابع کرنل مختلف در عملکرد SVM برای تشخیص سرطان پستان
اعظم اروجی، مصطفی لنگری زاده
دکترای تخصصی انفورماتیک پزشکی، گروه مدیریت اطلاعات سلامت، دانشکده مدیریت و اطلاع رسانی پزشکی، دانشگاه علوم پزشکی ایران، تهران، ایران
چکیده:   (178 مشاهده)
مقدمه: سرطان پستان یکی از رایج‌ترین سرطان‌ها در میان زنان است. در تصاویر ماموگرافی، تشخیص تومورهای خوش‌خیم از بدخیم به دلیل شباهت ساختاری کاری دشوار و زمان‌بر است. یادگیری ماشین یک شاخه از هوش مصنوعی است که می‌تواند به صورت ابزاری کمکی در کنار پزشک قرار گیرد و آن‌ها را در تصمیم‌گیری یاری کند. ماشین بردار پشتیبان SVM یکی از رایج‌ترین روش‌های یادگیری ماشین است که عملکرد آن به نوع تابع کرنل و ویژگی‌های ورودی وابسته است. هدف این مطالعه، بررسی تأثیر انتخاب ویژگی و توابع کرنل مختلف در عملکرد SVM می‌باشد.
روش: این مطالعه از نوع تحلیلی بود و با روش مقایسه‌ای انجام گرفت. انتخاب بهترین ویژگی‌ها توسط الگوریتم ژنتیک انجام شد. سپس SVM با توابع کرنلی مختلف شامل چندجمله‌ای، خطی، توابع شعاعی پایه، درجه دو و پرسپترون چندلایه ابتدا با تمام ویژگی‌ها و سپس با ویژگی‌های منتخب آموزش و ارزیابی شد. به منظور ارزیابی عملکرد طبقه‌بندها از مجموعه داده سرطان پستان ویسکانسین و پیاده‌سازی مدل‌ها در متلب انجام شد.
نتایج: نتایج نشان داد که بعد از انتخاب ویژگی عملکرد SVM با تابع کرنل پرسپترون چندلایه کاهش و با تابع کرنل درجه دو افزایش یافت. با این حال، عملکرد توابع کرنل خطی و تابع شعاعی پایه در هر دو حالت مطلوب بود. به طور کلی، بعد از کاهش بعد، بهترین مقدار دقت، ویژگی، حساسیت و صحت به ترتیب به میزان 0/663‌، 0/833، 1/077 و 0/138 درصد کاهش یافت.
نتیجه‌گیری: روش‌های مبتنی بر تکنیک‌های یادگیری ماشین می‌توانند پزشکان را در تصمیم‌گیری برای درمان یا تشخیص بیماری یاری کنند.

 
واژه‌های کلیدی: یادگیری ماشین، کاهش بعد، سیستم‌های پشتیبان تصمیم بالینی، تشخیص زودهنگام سرطان
متن کامل [PDF 715 kb]   (86 دریافت)    
نوع مطالعه: پژوهشي اصیل | موضوع مقاله: داده کاوی
دریافت: ۱۳۹۶/۱۱/۲۹ | پذیرش: ۱۳۹۷/۴/۲۱
ارسال پیام به نویسنده مسئول

ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA code


XML   English Abstract   Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Orooji A, Langarizadeh M. Evaluation of the Effect of Feature Selection and Different kernel Functions on SVM Performance for Breast Cancer Diagnosis. Journal of Health and Biomedical Informatics. 2018; 5 (2) :244-251
URL: http://jhbmi.ir/article-1-284-fa.html

اروجی اعظم، لنگری زاده مصطفی. ارزیابی تأثیر انتخاب ویژگی و توابع کرنل مختلف در عملکرد SVM برای تشخیص سرطان پستان. مجله انفورماتیک سلامت و زیست پزشکی. 1397; 5 (2) :244-251

URL: http://jhbmi.ir/article-1-284-fa.html



دوره 5، شماره 2 - ( تابستان 1397 ) برگشت به فهرست نسخه ها
مجله انفورماتیک سلامت و زیست پزشکی Journal of Health and Biomedical Informatics
Persian site map - English site map - Created in 0.06 seconds with 31 queries by YEKTAWEB 3764