تشخیص سرطان سینه با استفاده از الگوریتم فراابتکاری چندهدفه مبتنی بر مکانیزم خوددفاعی گیاهان

کنون، روش های متنوعی به منظور فیلترکردن داده های استخراج شده از بیماران سرطانی و تشخیص دقیق سرطان ارایه شده است. مهم ترین چالش این نوع داده ها، ابعاد زیاد آنهاست که باعث زمان بر شدن فرآیند تشخیص می گردد. در این مقاله، یک الگوریتم فراابتکاری چندهدفه برای استخراج ویژگی ها و تشخیص سرطان سینه ارایه شده است که بر پایه مکانیزم خوددفاعی گیاهان عمل می کند و مبنای کار آن مدل شکارچی-طعمه و مکانیزم هایی است که گیاهان برای حفظ گونه خود و در واقع تکثیر نسل خود استفاده می کنند. از آنجا که الگوریتم اولیه رفتاری گسسته داشته و برای مسائل با متغیرهای پیوسته کارایی لازم را ندارد، در این مقاله روشی برای پیوسته سازی آن با کمک الهام گرفتن از الگوریتم چرخه آب ارایه شده است. همچنین برای چندهدفه سازی الگوریتم از مرتب سازی جواب های نامغلوب و فاصله ازدحامی استفاده شده است. برای بررسی کارایی این الگوریتم، مجموعه داده استاندارد WDBC برای تشخیص تومورهای سرطانی خوشخیم و بدخیم مورد استفاده قرار گرفته است.

کلیدواژه ها:

تشخیص سرطان سینه ، کاهش ویژگی ، خوشه بندی ، k-means ، طبقه بندی SVM الگوریتم خوددفاعی گیاهان ، بهینه سازی چندهدفه