پیش بینی کارآمد بیماری سرطان دهانه رحم با استفاده از ترکیب الگوریتم بهینه سازی سالپ و طبقه بند ماشین بردار پشتیبان

پیش بینی به موقع و دقیق سرطان دهانه رحم به عنوان یکی از شایعترین سرطان ها در میان زنان از اهمیت حیاتی در حوزه سلامت برخوردار است. این پژوهش با هدف توسعه یک سیستم هوشمند پیش بینی این بیماری، به ارائه یک چارچوب ترکیبی نوآورانه مبتنی بر الگوریتم های داده کاوی و یادگیری ماشین می پردازد. روش پیشنهادی این تحقیق تلفیق الگوریتم بهینه سازی سالپ و ماشین بردار پشتیبان را برای افزایش دقت تشخیص ارائه می دهد. در این راستا، از مجموعه داده جامع Cervical Cancer (Risk Factors) از مخزن UCI شامل نمونه ها و ویژگی های متنوع استفاده شده است. الگوریتم بهینه سازی سالپ با توانایی بالا در کاوش فضای جستجوی پیچیده به صورت همزمان به انتخاب بهینه زیرمجموعه ای از ویژگی های موثر و تنظیم پارامترهای کلیدی ماشین بردار پشتیبان می پردازد. این رویکرد یکپارچه موجب بهبود قابل توجه عملکرد مدل در مقایسه با روش های متعارف شده است. مدل نهایی با بهره گیری از ویژگی های انتخابی و پارامترهای بهینه شده قابلیت پیش بینی دقیق تری را فراهم می آورد. این پژوهش از جنبه های مختلفی حائز اهمیت است؛ هم از نظر علمی با ارائه یک چارچوب ترکیبی نوین و هم از نظر کاربردی با توسعه یک سیستم پشتیبان تصمیم گیری برای متخصصان پزشکی. یافته های این تحقیق می تواند زمینه ساز توسعه سیستم های هوشمند تشخیصی در حوزه سرطان شناسی بوده و سهم ارزشمندی در ارتقای کیفیت خدمات سلامت ایفا کند. روش پیشنهادی با کاهش وابستگی به قضاوت های ذهنی و افزایش عینیت در فرآیند تشخیص، گامی موثر در جهت کاهش خطاهای پزشکی بر می دارد.

Keywords:

یادگیری ماشین , طبقه بندی , انتخاب ویژگی , سرطان دهانه رحم , ماشین بردار پشتیبان , الگوریتم بهینه سازی سالپ