بررسی روش های مختلف کلاسبندی بر پایه هوش مصنوعی جهت طبقه بندی نوع بدخیمی لنف های سرطانی

متاستاز لنفاوی و لنف بدخیم از جمله بیماری هایی هستند که در صورت تشخیص دیر هنگام می توانند باعث ایجاد سرطان خون شوند، اما تشخیص به موقع تاثیر زیادی در معالجه آنها دارد. در این مقاله از داده های جمع آوری شده از لنفوگرام برای طبقه بندی آنها با استفاده از چهار روش مختلف استفاده شده است که شامل روش بیزین، روش نزدیکترین همسایه ( KNN )، شبکه عصبی پرسپترون و شبکه عصبی توابع پایه شعاعی ( RBF ) می باشد، که در آن روش بیزین و روش KNN به عنوان روش های قدیمی شناخته می شوند و شبکه عصبی یک روش جدیدی است. در روش KNN با تغییر مقدار K ، در روش شبکه عصبی پرسپترون با تغییر تعداد نورون ها و نوع تابع تبدیل و در شبکه عصبی RBF با تغییر تعداد توابع پایه شعاعی نرخ صحیح طبقه بندی ( CCR ) تغییر می یابد که با توجه به داده ها و طبقه بندی های موجود در هر روش و مقایسه زمان ها و نتایج به دست آمده، روش شبکه عصبی RBF وپرسپترون می تواند مطلوب ترین پاسخ را برای طبقه بندی داده ها انجام دهد و روش KNN طبقه بندی را در سریع ترین زمان ممکن انجام می دهد.

کلیدواژه ها:

بیزیین ، شبکه عصبی مصنوعی ، طبقه بندی ، لنفوگرافی ، نزدیکترین همسایه