سارا میرابی - ، گروه مهندسی فناوری اطلاعات، دانشکده فنی و مهندسی، واحد علوم تحقیقات، دانشگاه آزاد اسلامی
سعید علیزاده - گروه مهندسی کامپیوتر، دانشگاه آزاد اسلامی، واحد تهران جنوب، تهران، ایران

سرطان سینه یکی از علل اصلی مرگ ومیر در سراسر جهان است. تشخیص زودهنگام در افزایش میزان بقا بسیار مهم است. بنابراین تحقیقات فشرده ای برای بهبود تشخیص زودهنگام چنین سرطان هایی از طریق استفاده از فناوری موجود انجام می شود. این شامل تکنیک های مختلف پردازش تصویر و یادگیری ماشینی عمومی است. بااین حال، دقت گزارش شده برای بسیاری از این مطالعات اغلب در سطح مطلوب نبود. تکنیک های مبتنی بر یادگیری ماشین یک رویکرد امیدوارکننده برای تشخیص زودهنگام سرطان سینه است. بنابراین در این مقاله تمرکز بر روی استفاده از شبکه عصبی چندلایه است. برای این منظور پس از جمع آوری داده ها در مرحله پیش پردازش پس از نرمال سازی داده ها، عمل انتخاب ویژگی با استفاده از الگوریتم تحلیل مولفه های اصلی انجام می شود، سپس در مرحله پس پردازش شبکه عصبی پرسپترون چندلایه با استفاده از الگوریتم بهینه سازی نهنگ آموزش داده می شود تا تشخیص سرطان سینه به دقت بالایی انجام شود. در جهت مقایسه روش پیشنهادی، از طبقه بند بیزین استفاده شده است. نتایج حاکی از میانگین مربعات خطای ۰.۱۱۴ و دقت ۹۷.۱% در شبکه عصبی پرسپترون چندلایه دارد.

تشخیص، سرطان سینه، شبکه عصبی پرسپترون چندلایه، الگوریتم بهینه سازی نهنگ.