پیش بینی سرطان دهانه رحم از طریق روشهای مختلف غربالگری با استفاده از یادگیری ماشین بر اساس ویژگی های قوی شبکه CNN-SVM

امروزه تشخیص سرطان دهانه رحم در زنان مبتلا به این بیماری مهم است. هدف پیشبینی سرطان دهانه رحم از طریق روشهایمختلف غربالگری با استفاده از یادگیری ماشینی بر اساس ویژگی های قوی شبکه CNN-SVM برای مقایسه چندین طبقه بندی کننده برایتشخیص سرطان است. روش در این مقاله عبارت است از ادغام ویژگی های استخراج شده از لایه پنهان CNN با استخراج ویژگی هایقوی ماتریس GLCM که پس از کاهش ابعاد، وارد طبقه بندی کننده شده و با روش رای گیری مقایسه می شوند . این روش بر روی مجموعهداده های نظارت شده با نام ؛ Kag_risk_factors_cervical_cancer ارزیابی شد. یافته های این پژوهش با تکنیک های یادگیری ماشین بهویژه یادگیری عمیق در این زمینه میتواند زودتر از پزشکان ، بیماری سرطان دهانه رحم را تشخیص دهد . نتایج نشان داد که ویژگی قویمدل CNN-SVM در طبقه بندی سلولی برای غربالگری سرطان دهانه رحم بهترین عملکرد را دارد.

کلیدواژه ها:

سرطان دهانه رحم ، شبکه عصبی کانولوشنال- ماشین بردار پشتیبانی ، یادگیری عمیق ، غربالگری