میثم قاسم پور - دانشجوی کارشناسی ارشد،دانشگاه آزاد اسلامی واحد یزد
علیمحمد لطیف - استادیار دانشگاه یزد

در این مقاله برای پیش‌بینی بیماری سرطان سینه مدلی با استفاده از تکنیک داده‌کاوی شبکه‌های عصبی جمعی ارائه شده است. مجموعه داده مورد استفاده دارای 699 رکورد مربوط به بانک اطلاعاتی بیماران سرطان سینه موجود در انبار داده یادگیری ماشین دانشگاه ایروین، کالیفرنیا آمریکا است و شامل ریسک فاکتورهای ضخامت انبوه، یکنواختی اندازه سلول، یکنواختی شکل سلول، چسبندگی لبه‌ها، حجم سلول بافت اپیتلیال، هسته‌های عریان، کروماتین بلاند، هسته عادی و تقسیم هسته سلول به دو قسمت می‌باشد. مدل‌های تولید شده در این تحقیق با استفاده از آنالیز منحنی Roc مقایسه و با نرم‌افزار RapidMiner نسخه 5.5 بهترین مدل با سطح زیر منحنی 961/. انتخاب گردید. مدل نهایی داری دقت 96/67% حساسیت %97/10 و ویژگی 95/65% است.

بیماری سرطان سینه،شبکه های عصبی،شبکه عصبی جمعی،RapidMiner