تشخیص هوشمند سرطان پستان با انتخاب ویژگی مبتنی بر رگرسیون لجستیک و دسته بندی ماشین بردار پشتیبان
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 199
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSCIT-9-2_009
تاریخ نمایه سازی: 25 مهر 1403
چکیده مقاله:
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:
نویسندگان
Ziba Khandezamin
Department of Computer Engineering, Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran
Marjan Naderan
Department of Computer Engineering, Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran
Mohammad Javad Rashti
Department of Computer Engineering, Faculty of Engineering, Shahid Chamran University of Ahvaz, Ahvaz, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :