محبوبه شمسی - استادیار دانشکده برق و کامپیوتر، دانشگاه صنعتی قم، قم، ایران
محدثه کریمیان - کارشناسی ارشد مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه شهاب دانش، قم، ایران
مرضیه کریمیان - کارشناسی ارشد مهندسی کامپیوتر، دانشکده مهندسی برق و کامپیوتر، دانشگاه شهاب دانش، قم، ایران

تشخیص زود هنگام سرطان سینه نقش بسیار کلیدی در درمان بیمار ایفا می کند. امروزه الگوریتم های داده کاوی می توانند روش های هوشمندی در نظام سلامت ارائه دهند که با دقت بالایی سرطان سینه را تشخیص دهند. هدف از انجام این مطالعه، تشخیص سرطان سینه با استفاده از طبقه بندهای ترکیبی بر روی پایگاه داده ی آماده سازی شده ی WBC و WDBC می باشد. مدل پیشنهادی ما در پایگاه داده ی WBC (کاهش ویژگی ها با CFS+ بهینه کردن نمونه ها با روش Resample+ طبقه بند ترکیبی (kstar+ جنگل تصادفی+ شبکه ی بیز و بیزین ساده))، دارای بهترین دقت تشخیص (% ۱۰۰)، زمان پیاده سازی (۰ ثانیه) و بدون هیچ خطایی می باشد و در پایگاه داده ی WDBC (کاهش ویژگی ها با CFS+ بهینه کردن نمونه ها با روش Resample+ طبقه بند ترکیبی (الگوریتم IBK+ شبکه ی بیز، بیزین ساده و kstar))، دارای دقت %۹۹.۲۹، زمان پیاده سازی ۰ ثانیه و میانگین خطای مطلق ۰.۰۰۷ می باشد. نتایج این مطالعه نشان می دهد که با توجه به روش های طبقه بند ترکیبی بر روی پایگاه داده ی آماده سازی شده می توان سیستم های نوینی برای کمک به پزشکان طراحی نمود که موجب تسهیل در فرآیندهای تشخیصی و درمانی شوند.

انتخاب ویژگی, بهبود دقت, داده کاوی, طبقه بندهای ترکیبی, نمونه گیری