بهبود دقت پیش بینی بازگشت بیماری سرطان سینه با استفاده از انتخاب ویژگی به وسیله الگوریتم فراابتکاری خفاش و روش های یادگیری ماشین
محل انتشار: دهمین کنفرانس ملی مهندسی برق، کامپیوتر و مکانیک
سال انتشار: 1399
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 604
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ECME10_010
تاریخ نمایه سازی: 16 فروردین 1400
چکیده مقاله:
سرطان سینه جزء سرطان های شایع زنان است که تشخیص به موقع آن در ادامه حیات و درمان، نقش مهی دارد اما حتی متداول ترین تکنیك های تشخیصی مثل ماموگرافی نیز نمی توانند قابلیت تشخیص بالایی داشته باشند بنابراین، ضرورت دارد تکنیك های تشخیص بهتری بررسی شوند در سیستم های خبره یکی از کاربردهای مهم تکنیك های داده کاوی مربوط به تشخیص بیماری هاست، که با کمك داده های پزشکی می توانند در مسیر تشخیص، زمان را کمتر، خطای احتمالی کارشناسان را کاهش و جزئیات را دقیق تر نمایند. بنابراین در این تحقیق به منظور تشخیص عود مجدد بیماری سرطان سینه از روش جدید مبتنی بر انتخاب ویژگی توسط الگوریتم خفاش در حالت ترکیبی با روش های یادگیری ماشین شامل درخت تصمیم، ماشین بردار پشتیبان، بیزین ساده و k نزدیکترین همسایگی، به پیش بینی و تشخیص بازگشت یا عدم بازگشت بیماری سرطان سینه با استفاده از داده های سرطان سینه موجود در مجموعه داده های یادگیری ماشین دانشگاه کالیفرنیا آمریکا پرداخته شده است نتایج این تحقیق نشان می دهد که روش DT با دقت 86/8 و بعد از آن، روش KNN با دقت 86/7 دارای بیشترین دقت در حالت با انتخاب ویژگی توسط الگوریتم خفاش و دارای دقت های 83/8 و 82/8 بدون فرآیند انتخاب ویژگی در بین تمامی مدل ها هستند بعد از این دو مدل به ترتیب روش SVM و NB با دقت های 85/8 و 81/8 در حالت با انتخاب ویژگی توسط الگوریتم خفاش و دقت های 84/3 و 73/2 بدون فرآیند انتخاب ویژگی قرار دارند تمامی روش های یادگیری ماشین با 4 ویژگی که توسط الگوریتم بهینه سازی خفاش انتخاب شده به این نتایج دست یافته اند نتایج این تحقیق به خوبی نقش فرآیند انتخاب ویژگی های موثر در تشخیص عود بیماری سرطان سینه توسط الگوریتم بهینه سازی خفاش و نیز کاهش ابعاد مسئله، افزایش دقت تشخیص و پیش بینی بازگشت بیماری سرطان سینه توسط روش های یادگیری ماشین را اثبات می کند.
کلیدواژه ها:
نویسندگان
شریف سبزی
فارغ التحصیل کارشناسی ارشد شبکه های کامپیوتری، گروه کامپیوتر، موسسه آموزش عالی کارون، اهواز، ایران
مهدی صادق زاده
استادیار، گروه کامپیوتر، واحد ماهشهر، دانشگاه آزاد اسلامی، ماهشهر، ایران
آزاده آبکار
مربی، گروه کامپیوتر، موسسه آموزش عالی کارون، اهواز، ایران