بررسی روش های ترکیبی مبتنی بر یادگیری ماشین در تشخیص سرطان پستان

سرطان پستان به عنوان یکی از شایع ترین علل مرگ و میر ناشی از سرطان در زنان چالش های قابل توجهی در تشخیص زودهنگام و دقیق ایجاد می کند. این مطالعه به بررسی و مقایسه کارایی مدل های ساده و ترکیبی مبتنی بر یادگیری ماشین برای تشخیص سرطان پستان با استفاده از مجموعه داده تشخیصی سرطان پستان ویسکانسین پرداخته است. برای ارزیابی عملکرد، از معیارهای دقت، دقت کلاس مثبت، حساسیت و امتیاز F۱ استفاده شده است. نتایج نشان می دهند که روش های ترکیبی، به ویژه APSO/AGA/AVFO + شبکه عصبی مصنوعی ماشین بردار پشتیبان با دقت ۹۹.۴۷% و مدل های ساده بهینه سازی شده مانند ماشین بردار پشتیبان با دقت ۹۸.۲۴، بهترین عملکرد را داشته اند در مقابل مدل بیز ساده با دقت ۹۱.۹۶٪، به دلیل فرض استقلال بین ویژگی ها ضعیف ترین عملکرد را نشان داد. این یافته ها برتری روش های ترکیبی را در بهبود دقت تشخیص سرطان پستان تایید می کنند.

کلیدواژه ها:

تشخیص سرطان ، یادگیری ماشین ، سرطان پستان ، روش های ترکیبی ، مجموعه داده تشخیصی سرطان پستان ویسکانسین