تشخیص هوشمند سرطان پستان با انتخاب ویژگی مبتنی بر رگرسیون لجستیک و دسته بندی ماشین بردار پشتیبان

سرطان پستان شایع ترین سرطان در میان زنان است و وجود یک سیستم دقیق و مطمئن برای تشخیص خوش خیم و یا بدخیم بودن توده سرطان ضروری است. امروزه با استفاده از نتایج سیتولوژی آسپیراسیون سوزنی، تکنیک های داده کاوی و یادگیری ماشین می توان شناسایی و تشخیص زود هنگام سرطان پستان را با دقت بالاتری انجام داد. در این مقاله روشی پیشنهاد شده است که شامل دو مرحله است: در مرحله اول برای حذف ویژگی های کم اهمیت تر، از رگرسیون لجستیک استفاده شده است تا ویژگی های مهم تر انتخاب شوند. در مرحله دوم، از الگوریتم طبقه بندی ماشین بردار پشتیبان (SVM) با سه هسته ی متفاوت برای تشخیص خوش خیم و بدخیم بودن نمونه ها استفاده شده است. برای ارزیابی کارایی روش پیشنهادی از دو مجموعه داده WBCD و WDBC و معیارهای دقت، ناحیه زیر نمودار ROC (AUC)، نرخ مثبت حقیقی، نرخ مثبت کاذب، صحت و معیار F بررسی شده اند. نتایج نشان می دهد که با استفاده از روش رگرسیون لجستیک می توان انتخاب ویژگی موثرتری انجام داد، به گونه ای که روش پیشنهادی از نظر دقت طبقه-بندی به دقت ۶۹/۹۸% می رسد.

کلیدواژه ها:

breast cancer ، Machine Learning ، Feature selection ، logistic regression ، Support Vector Machine