منصور اسماعیل پور - دکترا و عضو هیات علمی دانشگاه گنجنامه همدان
سیدصادق حسینی جو - فارغ التحصیل دانشگاه گنجنامه همدان
پگاه بیات - فارغ التحصیل دانشگاه گنجنامه همدان

هدف از این پایان نامه، ارائه روشی ترکیبی و بهبودیافته جهت تشخیص و طبقه بندی سرطان ریه با استفاده از استخراج ویژگی مبتنی بر الگوریتم-های هوش محاسباتی می باشد. سرطان ریه بیماری است که سلول های سرطانی در بافت ریه شروع به تقسیم بی روبه می کند و توانایی تنفس فردرا کاهش می کند. داده کاوی به منظور یافتن الگو از درون پایگاه داده های بزرگ داده و نیز پش بینی سرطان ها با استفاده از الگوریتم هایپیش بینی کننده به کار می رود. هدف از داده کاوی پیش بینی کننده در حوزه پزشکی و بالینی رسیدن به مدلی است که با استفاده از اطلاعاتبیمار پیامدها را پیش بینی نموده و براساس آن تصمیم گرفت. پس از انجام مراحل پیش پردازش, در مرحله استخراج ویژگی و کاهش ابعاد دادهداده های اصلی سرطان ریه با استفاده از تحلیل مولفه اساسی کاهش» سپس در مرحله طبقه بندی این ویژگی های کاهش داده شده بهپرسپترون چندلایه با بهینه سازی الگوربتم ژنتیک داده می شود و حساسیت و ویژگی مدل با توجه به معیار دقت بررسی می گردد. کلیه تحلیل هابا استفاده از نرم افزار MATLAB صورت می گیرد. نتایج نهایی به دست آمده در این مطالعه نشان دهنده برتری روش بهینه سازی شبکه عصبیبا الگوریتم ژنتیک نسبت به سایر روش هاء در راستای تشخیص سرطان ریه با متوسط دقت برایر ۹۹/۲% می باشد.

سرطان ریه، استخراج ویژگی، داده کاوی، شبکه عصبی، الگوریتم ژنتیک