دوره 7، شماره 2 - ( 6-1399 )
جلد 7 شماره 2 صفحات 112-102 |
برگشت به فهرست نسخه ها
کارشناسی ارشد مهندسی کامپیوتر، گروه مهندسی کامپیوتر، واحد بوشهر، دانشگاه آزاد اسلامی، بوشهر، ایران
چکیده: (2555 مشاهده)
مقدمه: سرطان پستان یکی از رایج‌ترین انواع سرطان‌ها است و رشد قابل ملاحظه‌ای از آن در سال‌های اخیر گزارش شده است. به منظور تشخیص این بیماری، پارامترهای زیادی باید بررسی گردد که خطاهای انسانی و یا عوامل محیطی امکان اشتباه را ممکن می‌کند. به همین دلیل در چند دهه اخیر از هوش مصنوعی برای تشخیص این بیماری در جهت کمک به پزشکان استفاده می‌شود.
روش: در این مطالعه توصیفی-کاربردی، تشخیص بیماری سرطان پستان با استفاده از پشته تعمیم یافته در قالب یک مدل ترکیبی مبتنی بر سه روش شبکه عصبی MLP، درخت تصمیم ID3 و ماشین بردار پشتیبان ارائه شد. برای بهبود عملکرد مدل طبقه‌بندی ترکیبی از یک رویکرد جدید تحت عنوان بلاک جداکننده استفاده شد. این بلاک وظیفه تشخیص نمونه‌هایی را دارد که باعث ایجاد خطا در مدل طبقه‌بندی می‌شوند.
نتایج: به منظور ارزیابی دقت روش پیشنهادی از پایگاه داده ویسکانسین مرتبط با بیماری سرطان پستان استفاده شد. نتایج آزمایش‌ها برتری روش پیشنهادی را در مقابل سایر روش‌های مشابه نشان داد. دقت مدل طبقه‌بندی ارائه شده روی مجموعه داده‌های WBCD، WDBC و WPBC از پایگاه داده ویسکانسین به ترتیب 99/54%، 99/58% و 99/84% بود.
نتیجه‌گیری: با استفاده از الگوریتم‌های داده‌کاوی می‌توان سیستم‌های نوین و با صرفه‌تری در نظام سلامت و درمان ارائه کرد که با دقت بالایی قادر به تشخیص سرطان پستان باشند. در این تحقیق ضمن تشخیص بیماری به کمک روش‌های داده‌کاوی، توانست با استفاده از تکنیک پشته تعمیم یافته به دقت بالایی در تشخیص بیماری دست یابد.
روش: در این مطالعه توصیفی-کاربردی، تشخیص بیماری سرطان پستان با استفاده از پشته تعمیم یافته در قالب یک مدل ترکیبی مبتنی بر سه روش شبکه عصبی MLP، درخت تصمیم ID3 و ماشین بردار پشتیبان ارائه شد. برای بهبود عملکرد مدل طبقه‌بندی ترکیبی از یک رویکرد جدید تحت عنوان بلاک جداکننده استفاده شد. این بلاک وظیفه تشخیص نمونه‌هایی را دارد که باعث ایجاد خطا در مدل طبقه‌بندی می‌شوند.
نتایج: به منظور ارزیابی دقت روش پیشنهادی از پایگاه داده ویسکانسین مرتبط با بیماری سرطان پستان استفاده شد. نتایج آزمایش‌ها برتری روش پیشنهادی را در مقابل سایر روش‌های مشابه نشان داد. دقت مدل طبقه‌بندی ارائه شده روی مجموعه داده‌های WBCD، WDBC و WPBC از پایگاه داده ویسکانسین به ترتیب 99/54%، 99/58% و 99/84% بود.
نتیجه‌گیری: با استفاده از الگوریتم‌های داده‌کاوی می‌توان سیستم‌های نوین و با صرفه‌تری در نظام سلامت و درمان ارائه کرد که با دقت بالایی قادر به تشخیص سرطان پستان باشند. در این تحقیق ضمن تشخیص بیماری به کمک روش‌های داده‌کاوی، توانست با استفاده از تکنیک پشته تعمیم یافته به دقت بالایی در تشخیص بیماری دست یابد.
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |