یک مدل طبقه بندی ترکیبی برای تشخیص سرطان پستان با استفاده از پشته تعمیم یافته

مقدمه: سرطان پستان یکی از رایج ترین انواع سرطان ها است و رشد قابل ملاحظه ای از آن در سال های اخیر گزارش شده است. به منظور تشخیص این بیماری، پارامترهای زیادی باید بررسی گردد که خطاهای انسانی و یا عوامل محیطی امکان اشتباه را ممکن می کند. به همین دلیل در چند دهه اخیر از هوش مصنوعی برای تشخیص این بیماری در جهت کمک به پزشکان استفاده می شود. روش: در این مطالعه توصیفی-کاربردی، تشخیص بیماری سرطان پستان با استفاده از پشته تعمیم یافته در قالب یک مدل ترکیبی مبتنی بر سه روش شبکه عصبی MLP، درخت تصمیم ID۳ و ماشین بردار پشتیبان ارائه شد. برای بهبود عملکرد مدل طبقه بندی ترکیبی از یک رویکرد جدید تحت عنوان بلاک جداکننده استفاده شد. این بلاک وظیفه تشخیص نمونه هایی را دارد که باعث ایجاد خطا در مدل طبقه بندی می شوند. نتایج: به منظور ارزیابی دقت روش پیشنهادی از پایگاه داده ویسکانسین مرتبط با بیماری سرطان پستان استفاده شد. نتایج آزمایش ها برتری روش پیشنهادی را در مقابل سایر روش های مشابه نشان داد. دقت مدل طبقه بندی ارائه شده روی مجموعه داده های WBCD، WDBC و WPBC از پایگاه داده ویسکانسین به ترتیب  ۹۹/۵۴%، ۹۹/۵۸% و ۹۹/۸۴% بود. نتیجه گیری: با استفاده از الگوریتم های داده کاوی می توان سیستم های نوین و با صرفه تری در نظام سلامت و درمان ارائه کرد که با دقت بالایی قادر به تشخیص سرطان پستان باشند. در این تحقیق ضمن تشخیص بیماری به کمک روش های داده کاوی، توانست با استفاده از تکنیک پشته تعمیم یافته به دقت بالایی در تشخیص بیماری دست یابد.

Keywords:

Stacked Generalization , Data Classification , Wisconsin Database , Data Mining , Breast Cancer , پشته تعمیم یافته , طبقه بندی داده ها , پایگاه داده ویسکانسین , داده کاوی , سرطان پستان