کاربرد شبکه های مصنوعی در تشخیص و پیش بینی تومورهای بدخیم و سرطانی ریه

در این مقاله روشی برای تشخیص سرطان ریه در مراحل اولیه با استفاده از شبکه های عصبی ارائه شده است تشخیص به موقع سرطان ریه منجر به امکان درمان به موقع و در نتیجه افزایش شانس زنده ماندن بیمار می گردد. نتایج پژوهش پژوهش ها نشان می دهد که استفاده از روش های شبکه های عصبی به تشخیص درست بیماری ها و بخصوص سرطان با درصد خطای کم کمک شایانی می کند . از این رو نیاز به یک روش تشخیص دقیق و قابل اعتماد است. پزشکان می توانند برخی از اطلاعات اولیه برای تشخیص اینکه آیا فرد مشکوک به سرطان ریه است یا خیر را فراهم کنند. بنابراین، این پژوهش بر به دست آوردن اطلاعات بالینی، به منظور پیش بینی و تشخیص اولیه سرطان ریه تمرکز دارد. مجموعه داده ها شامل ۷۰۰ نمونه از پرونده بالینی بیماران بیمارستان شهر کرمانشاه جمع آوری شدند. ما در این مقاله می خواهیم با استفاده از روش های طبقه بندی متفاوتی برای تشخیص خودکار و بدون مداخله در این بیماری استفاده کنیم. ویژگی های مطرح شده در این مجموعه داده با استفاده از الگوریتم های MLP و RBF در نرم افزار وکا و نروسلوشن مورد بررسی قرار گرفتند، نتایج پیاده سازی با یک نمونه مجموعه داده از پایگاه TCGA مورد آزمایش قرار گرفت. با توجه به نتایج این بررسی، موفقیت آ موزش انجام شده توسط مجموعه داده در تشخیص اولیه سرطان ریه بر روی پایگاه داده TCGA کاملا مشهود می باشد. نتایج آزمایشات نشان می دهد که شبکه عصبی RBF در هر دو برنامه بالاترین دقت پیش بینی را در تشخیص اولیه سرطان ریه دارد.

Keywords:

سرطان ریه , شبکه عصبی پرسپترون چند لیه , شبکه تابع پایه شعاعی