بهبود تشخیص سرطان سینه با استفاده از ترکیب روش های داده کاوی و الگوریتم فراابتکاری

امروزه در دانش پزشکی شاهد جمع آوری داده های فراوان در مورد بیماری های مختلف هستیم . پژوهش بر روی این داده ها و بدست آوردن نتایج و الگوهای مفید در رابطه با بیماری ها یکی از اهداف استفاده از این داده ها است . سرطان از مهم ترین علل مرگ در دنیای کنونی می باشد. علت عمده آن عدم تشخیص سرطان در مراحل ابتدائی به علت کمبود علائم بیماری می باشد. به علت حیاتی بودن تشخیص ، تشخیص اشتباه هزینه جانی و مالی بسیار فراوانی در بر خواهد داشت . لذا تشخیص درست با دقت بسیار بالا برای این مسئله ضروری می باشد. در این پژوهش روش جدیدی براساس الگوریتم فراابتکاری شعله پروانه در راستای افزایش دقت و سرعت طبقه بندی در شناسایی سرطان سینه ارائه می شود. روش انتخاب ویژگی از اطلاعات متقابل و ترکیبی از معیارهای ارتباط و همبستگی و پراکندگی بین ویژگی ها و افزونگی ویژگی های انتخاب شده استفاده می نماید که بر اساس این پارامترها، تابع هدف الگوریتم انتخاب ویژگی با الگوریتم شعله پروانه تعیین می گردد و در هر مرحله از طبقه بندی برای ارزیابی زیر مجموعه ویژگی های انتخاب شده استفاده نمی کند که این امر افزایش سرعت روش پیشنهادی و افزایش قابلیت اجرای واقعی آن را در پی خواهد داشت .در ادامه روش پیشنهادی دو طبقه بندی کننده درخت تصمیم و کی -نزدیکترین همسایه را با هم ترکیب می کند و به خوبی از مزایای این الگوریتم ها بهره می برد. بر اساس شبیه سازی ها انجام شده روش پیشنهادی دارای دقت ۳۳/۹۹ درصد و صحت ۴۲/۹۹ درصد می باشد.

کلیدواژه ها:

تشخیص ، سرطان سینه ، داده کاوی ، الگوریتم شعله پروانه .