هادی زاهدی - دانشگاه آزاد اسلامی واحد گناباد
ناصر مهرشاد - استادیار گروه الکترونیک دانشگاه بیرجند
کاظم انوری - استادیار دانشگاه علوم پزشکی مشهد

در سالهای اخیر استفاده از شبکه های عصبی مصنوعی در پیش بینی اثرات متغیرهای مختلف روی یک متغیر خاص و مدل کردن روابط پیچیده ی این متغیرها با یکدیگر مورد توجه قرارگرفته است دراین تحقیق ابتدا از شبکه های عصبی مصنوعی برای پیش بینی نتایج درمان بیماری سرطان مری به روش کموتراپی و رادیوتراپی نئواجونت و سپس جراحی در بیماران مبتلا به اسکوآموس کارسینومای مری استفاده شدها ست علاوه بر این از الگوریتم بهینه سازی گروه ذرات PSO نیز برای آموزش شبکه عصبی استفاده شدهاست در مرحله بعد با استفاده از ترکیب شبکه عصبی و الگوریتم ژنتیک روشی برای انتخاب موثرترین پارامتر درمانی از بین مجموعه ای از عوامل پیشنهادی تاثیر گذار بر روند درمان ارائه شده است. نتایج پیاده سازی نشان میدهدکه شبکه عصبی درحد رضایت بخشی قادر به پیش بینی روند درمان بیماری سرطان است.

الگوریتم ژنتیک، الگوریتم PSO، سرطان مری، شبکه عصبی مصنوعی