تشخیص سرطان سینه با استفاده از شبکه عصبی نگاشت های خودسازمان ده بهبودیافته با الگوریتم بهینه سازی پروانه

سرطان سینه یکی از شایعترین سرطانهای گزارش شده در بین زنان است و عامل اصلی مرگ و میر ناشی از سرطان در سراسر جهان است. هر ساله ۱۲ درصد از زنان به سرطان سینه مبتلا می شوند. تنها در ایالات متحده سالانه ۴۰۰۰۰ زن بر اثر سرطان سینه جان خود را از دست می دهند. سرطان سینه زمانی شروع می شود که توده های بدخیم سرطانی از سلول های سینه شروع به رشد کنند. پزشکان ممکن است به اشتباه تومور خوش خیم را به عنوان تومور بدخیم تشخیص دهند. نیاز به یک سیستم تشخیص به کمک رایانه وجود دارد که از روش یادگیری ماشینی برای ارائه تشخیص دقیق سرطان سینه استفاده می کند. این سیستم های تشخیص رایانه ای می توانند به تشخیص سرطان سینه در مراحل اولیه کمک کنند. زمانی که سرطان سینه به اندازه کافی زود تشخیص داده شود، میزان بقا افزایش می یابد زیرا می توان درمان بهتری ارائه کرد. تشخیص زودهنگام سرطان سینه میتواند کیفیت زندگی بیمار را افزایش داده و همچنین میزان بقای آنها را افزایش دهد. در این مقاله تمرکز بر روی تشخیص سرطان سینه با استفاده از داده کاوی است. در این پژوهش پس از جمع آوری و آماده سازی داده ها از شبکه عصبی نگاشت های خودسازمان ده بهبود یافته با الگوریتم بهینه سازی پروانه به عنوان روش پیشنهادی در جهت تشخیص سرطان سینه استفاده می شود و الگوریتم بهینه سازی پروانه پارامترهای شبکه عصبی نگاشت های خودسازمان ده را به صورت بهینه تعیین می کند و نتایج شبیه سازی نشان از دقت ۴/۹۷% و عملکرد بهتر در مقایسه با خوشه بند k-means دارد.

کلیدواژه ها:

تشخیص بیماری ، سرطان سینه ، شبکه عصبی نگاشت های خودسازمان ده ، الگوریتم بهینه سازی پروانه