طراحی یک گروه طبقه بند مبتنی بر الگوریتم ژنتیک برای تشخیص سرطان سینه

سرطان سینه یک بیماری رایج در میان زنان است. در این نوع از بیماری، سلولهای بدخیم سرطانی در بافت سینه تشکیل میشود. یک روش متداول برای شناسایی و تشخیص سرطان سینه تفسیر ماموگرافی میباشد. تفسیر ماموگرافی به مهارت بسیار زیادی نیاز دارد. همچنین، متخصصین ممکن است تفسیرهای متفاوتی برای یک ماموگرافی واحد ارائه دهند. از اینرو، ارائه یک مدل هوشمند مبتنی بر تکنیکهای داده کاوی برای تشخیص سرطان سینه امری بسیار مهم و ضروری است. در این پژوهش، یک گروه طبقه بند مبتنی بر الگوریتم ژنتیک برای شناسایی سرطان سینه طراحی شده است. در گروه طبقه بند پیشنهادی از سیستمهای خبره جنگل تصادفی، کا-نزدیکترین همسایه و ماشین بردار پشتیبان استفاده شده است. روش پیشنهادی بگونهای طراحی شده است که به هر یک از طبقه بندهای موجود در گروه طبقه بند یک وزن اختصاص داده شود. وزن در نظر گرفته شده برای هر طبقه بند نشان دهنده میزان تاثیرگذاری آن طبقه بند در گروه طبقه بند میباشد. وزنهای اختصاص یافته به طبقه بندها در گروه طبقه بند بوسیله الگوریتم ژنتیک تعیین میشود. روش پیشنهادی توسط نرم افزار متلب پیاده سازی شده و بر روی معیارهای دقت تشخیص و نرخ خطا مورد ارزیابی قرار گرفته است. روش پیشنهادی به دقت تشخیص % ۹۹/۱۶ بر روی مجموعه داده استاندارد سرطان سینه دست یافته است که نشان دهنده عملکرد مطلوب روش پیشنهادی است.

کلیدواژه ها:

سرطان سینه ، گروه طبقهبند ، الگوریتم ژنتیک ، جنگل تصادفی ، کا-نزدیکترین همسایه ، ماشین بردار پشتیبان