انتخاب ویژگی های موثر برای تشخیص سرطان سینه با استفاده از الگوریتم شبکه عصبی مصنوعی با رویکرد تکاملی

تشخیص سرطان ها در کوتاه ترین زمان اهمیت دارد. سرطان سینه جزء سرطان های شایع زنان است که تشخیص به موقع آن در ادامه حیات و درمان آن، نقش مهمی دارد اما حتی متداول ترین تکنیک های تشخیصی مثل ماموگرافی نیز نمی توانند قابلیت تشخیص بالایی داشته باشند بنابراین، ضرورت دارد تکنیک های تشخیص بهتری بررسی شوند. در این پژوهش یک الگوریتم ترکیبی جستجوی گرانشی و شبکه عصبی برای کلا س بندی مجموعه داده های 683 نفر بیمار مبتلابه سرطان سینه پیشنهاد شده است. اطلاعات بیماران در این مجموعه دارای 9 ویژگی و دو کلاس سرطان خوش خیم و بدخیم است. کارایی بهتر شبکل عصبی به پارامترهایی هم چون تعداد گره های ورودی، تعداد لایه های میانی، تعداد نرون ها و وزن اختصاص یافته به نرون ها بستگی دارد. انتخاب ویژگی های موثر در نحوه عملکرد شبکه عصبی برای آموزش بهتر انکارناپذیر است ولی یافتن این ویژگی ها یک مسیله Np_hard است و می توان با استفاده از الگوریتم های تکاملی آن را حل کرد. نتایج حاصل از شبیه سازی برای الگوریتم ترکیبی برای معیارهای دقت صحت و حساسیت به ترتیبت 98%، 97/52% و 97/71 به دست آده است که در مقایسه با روش های اخیر بهبود یافته است.

Keywords:

سرطان سینه , دسته بندی , ویژگی موثر , شبکه عصبی مصنوعی , الگوریتم جستجوی گرانشی