انتخاب ویژگی در تشخیص سرطان سینه با استفاده از الگوریتم سازی ازدحام ذرات باینری و شبکه عصبی مصنوعی

امروزه تشخیص بیماری های مختلف در علوم پزشکی یکی از زمینه های پرکاربرد داده کاوی محسوب می شود. سرطان سینه نوعی سرطان با نرخ مرگ و میر بالا در میان زنان است. تشخیص به موقع سرطان سینه شانس زنده ماندن بیمار را افزایش می دهد. بنابراین وجود یک سیستم دقیق و مطمئن برای تشخیص به موقع خوش خیم یا بدخیم بودن تومور سینه ضروری به نظر می رسد. مسئله انتخاب ویژگی، یکی از مسائل مهمی است که در یادگیری ماشین و شناسائی آماری الگو مطرح است. در این مقاله یک الگوریتم ترکیبی جدید مبتنی بر فیلتر و رپر برای انتخاب زیرمجموعه بهینه ویزگی ها بر اساس الگوریتم بهینه سازی ازدحام ذرات و برای کلاس بندی توسط شبکه عصبی مصنوعی ارائه می شود. فیلتر مورد استفاده بر پایه اطلاعات متقابل و ترکیبی از معیارهای ارتباط و افزونگی ویزگی های انتخاب شده است و الگوریتم بهینه سازی ازدحام ذرات باینری به عنوان زیر مورد استفاده قرار می گیرد. در نهایت صحت تأثیر الگوریتم پیشنهادی بر انتخاب مؤثر ویزگی ها توسط کلاسه بندی کننده شبکه عصبی آزمایش می شود. این مدل بطور مختصر به فردی کارآیی فیلترها و دقت رپرها را نمایش می دهد. این الگوریتم بر روی دو مجموعه داده معروف سرطان سینه تست گردیده است. نتایج شبیه سازی نشان می دهد این الگوریتم هم از نظر کارآیی محاسباتی و هم از نظر دقت کلاس بندی عملکرد بسیار مناسبی ارائه می دهد.

Keywords:

انتخاب ویژگی , الگوریتم بهینه سازی ازدحام ذرات , سرطان سینه , شبکه های عصبی مصنوعی , کاهش ابعاد