پیش‌بینی بدخیمی تومور پستان با استفاده از شبکه عصبی و الگوریتم بهینه‌سازی وال (WOA)

مقدمه: سرطان پستان به عنوان یکی از شایع‌ترین علل مرگ‌ و ‌میر در میان زنان در نظر گرفته می‌شود. تشخیص زودهنگام سرطان پستان شانس زنده ماندن را افزایش می‌دهد. مطالعه حاضر جهت پیش‌بینی دقیق‌تر و تصمیم‌گیری مؤثرتر در درمان بیماران مبتلا به سرطان پستان صورت گرفته است. روش بررسی­: مطالعه حاضر که از نوع کاربردی و توصیفی-تحلیلی بر اساس بهره‌گیری از روش‌های کامپیوتری است، جامعه‌ی هدف آن متشکل از 699 مورد بیماران مبتلا به سرطان پستان خوش‌خیم و بدخیم با 9 متغیر ورودی روی مجموعه داده‌های بیماری سرطان پستان پایگاه UCI انجام شده است، قبل از نرمال‌سازی داده‌ها از الگوریتم EM برای داده‌کاوی استفاده شده است. سپس از مدل ترکیب شبکه عصبی مبتنی بر ساختار پرسپترون چند لایه با الگوریتم بهینه‌سازی وال (WOA) برای پیش‌بینی بدخیمی تومور پستان استفاده شده است و دقت و پیش‌بینی آن مورد بررسی و مقایسه قرار گرفته است. یافته‌ها: نتایج مطالعه حاضر نشان می‌دهد که پس از پیش‌پردازش مجموعه داده‌های بیماری، دقت الگوریتم پیشنهادی برای داده‌های آموزش و آزمون به ترتیب برابر با 6/99 و 99 بوده است و همچنین دقت پیش بینی مدل پیشنهادی برابر 4/99 به دست آمد که با مقایسه صورت گرفته نسبت به روش‌های مختلف یادگیری ماشین در مطالعات دیگر نتیجه خوبی می‌باشد. نتیجه ­گیری: با توجه به اهمیت تشخیص زودهنگام بیماری سرطان پستان، یافته‌های این مطالعه می‌تواند به برنامه‌ریزان و ارائه‌کنندگان خدمات سلامت در برنامه‌های تشخیص به ‌موقع این بیماری کمک شایانی نماید.

Keywords:

Breast Cancer , EM Algorithm , Whale Optimization Algorithm (WOA) , Artificial Neural Network , Multilayer Perceptron , سرطان پستان , الگوریتم EM , الگوریتم بهینهسازی وال WOA , شبکه عصبی مصنوعی , ساختار پرسپترون چند لایه