پیش بینی و تشخیص سرطان ریه بر اساس علائم بالینی اولیه با استفاده از شبکه عصبی پرسپترون چندلایه

سرطان ریه به عنوان یکی از بزرگترین عوامل مرگ ومیر در سراسر جهان شناخته شده است و روشهای دقیق و موثر برای تشخیص آن از اهمیت بالایی برخوردارند. به واسطه پیشرفت های اخیر در حوزه یادگیری ماشین و شبکه های عصبی ، امکان پیش بینی سرطان ریه براساس ویژگی های مختلف بدن و شاخص های بالینی ایجاد شده است . شبکه های عصبی پرسپترون به عنوان یک روش یادگیری ماشین ، برخوردار از توانایی یادگیری الگوهای پیچیده و استخراج ویژگی های مهم از دادههای بزرگ هستند که می تواند در پیش بینی دقیق سرطان ریه موثر باشند. در این مقاله ، از شبکه های عصبی پرسپترون چندلایه برای پیش بینی سرطان ریه استفاده شده و نتایج آن برای تشخیص زودهنگام این بیماری مورد استفاده قرار گرفته است در این پژوهش با استفاده از ۱۵ شاخص از جمله علائم بالینی ، وراثت ، سن و غیره اقدام به پیش بینی زودهنگام سرطان ریه شده است .در ابتدا ضریب همبستگی تمامی متغیرها نسبت به یکدیگر بررسی گردید و با توجه به نتایج به دست آمده از تمامی این شاخص ها در مدلسازی نهایی استفاده گردید. کد نویسی با استفاده از نرم افزار متلب انجام شد. شبکه ی عصبی بهینه با ۱ لایه ی مخفی شامل ۵ نورون و ۴۶۰ ایپوک به دست آمد. ۸۰% دادهها برای آموزش و ۲۰ % دادهها برای مرحله آزمون به کار برده شده است ، صحت شبکه پیادهسازی شده ۹۵ درصد بود.میانگین خطای مطلق برای دادههای آموزش۰۳۹۵۹.۰ و برای دادههای آزمون برابر با ۰۶۴۳۳.۰ بود.

کلیدواژه ها:

سرطان ریه ، تشخیص و پیش بینی ، شبکه عصبی ، ضرایب همبستگی .