مقایسه عملکرد الگوریتم های یادگیری ماشین و شبکه عصبی برای طبقه بندی بیماران مبتلا به سرطان ریه

سرطان ریه یکی از بیماری های خطرناکی است که سالانه باعث مرگ و میر تعداد زیادی از مبتلایان در سراسر جهان می شود. مشخصه ی این بیماری رشد کنترل نشده سلول ها در بافت های ریه است و علائم اولیه آن معمولا سرفه یا خستگی مداوم است که به راحتی می توان آنها را بی اهمیت جلوه داد و از کنار آن رد شد. تنها ۳۰ درصد از بیمارن مبتلا به سرطان ریه در مرحله ابتدایی متوجه بیماری خود می شوند. این آمار تا حدی توضیح می دهد که چرا بیشتر بیماران مبتلا به سرطان ریه کمتر از ۵ سال عمر می کنند. مطالعات نشان می دهد اگر سرطان ریه زودتر تشخیص داده شود میزان مرگ و میر بین ۲۰ تا ۳۰ درصد کاهش پیدا می کند. هدف ما دراین پژوهش مقایسه عملکرد الگوریتم های k-نزدیکترین همسایه، شبکه عصبی و ماشین بردار پشتیبان به منظور پیش بینی احتمال ابتلای افراد به بیماری سرطان ریه با استفاده از ویژگی های بالینی آنها می باشد. برای این منظور از داده های مربوط به آن با هدف آموزش و آزمایش الگوریتم های مذکور استفاده شد و نتیجه ی این پژوهش نشان داد که بهترین عملکرد مربوط به روش k-نزدیکترین همسایه با دقت ۹۴% می باشد.

کلیدواژه ها:

شبکه عصبی ، یادگیری ماشین ، سرطان ریه ، الگوریتم شبکه عصبی ، الگوریتم ماشین بردار پشتیبان ، الگوریتم k-نزدیکترین همسایه.