سوگل سادات سهراب - گروه آمار، دانشکده علوم ریاضی، دانشگاه الزهرا(س)، تهران، ایران

سرطان پستان مهم ترین عامل نگرانی و شایع ترین سرطان در میان زنان است. امروزه استفاده از ابزاری کارآمد به نام ماموگرافی که توانایی بالایی در تشخیص زودرس این بیماری دارد، موجب کاهش چشمگیری در نرخ مرگ و میر ناشی از این بیماری شده است اما میزان بالای ارایه نتایج مثبت اشتباه آن باعث شده تا به دنبال راه حلی برای کمک در تصمیم گیری پزشکان در این زمینه باشیم. در این مقاله با استفاده از الگوریتم های متفاوت داده کاوی از جمله جنگل های تصادفی، دسته بندی کننده بیز ساده، K نزدیک ترین همسایه و شبکه عصبی پرسپترون چند لایه بر داده های موجود از ماموگرافی سعی بر آن شده است تا شدت وخامت توده های مشاهده شده در ماموگرافی، خوش خیم یا بدخیم بودن آن ها را پیش بینی نماییم. در نهایت نشان داده می شود که مدل دسته بندی ساده بیزی و شبکه عصبی پرسپترون چند لایه هر دو از عمکرد بالایی نسبت به سایر مدل های ذکر شده برخوردار می باشند.

داده کاوی، سرطان پستان، جنگل های تصادفی، دسته بندی کننده بیزی ساده، k نزدیک ترین همسایه، شبکه عصبی پرسپترون چند لایه