پیش بینی سرطان ریه در استان کرمانشاه براساس شبکه های عصبی مصنوعی

موثرترین راه برای کاهش مرگ ناشی از سرطان ریه تشخیص زودهنگام آن است. پزشکان می توانند براساس برخی ازاطلاعات اولیه (بالینی)، افراد مشکوک به سرطان ریه را تشخیص دهند. اگر بتوان به وسیله این اطلاعات اولیه موجب تشخیصزودهنگام سرطان ریه شد، مزایایی حاصل می شود کهعبارتند ازصرفه جویی در منابع پزشکی، افزایش بهره وری از درمان های پزشکی، تشخیص زودرس و پیشگیری اولیه و کاهش زباله های پزشکی. این پژوهش به منظور پیش بینی و تشخیص اولیه سرطانریه، بر اطلاعات بالینی مراجعه کنندگان تکیهدارد. نمونه های این مجموعه داده مربوط به سال های 1389 تا 1395 است که ازبیمارستان امام رضا (ع) کرمانشاه جمع آوری شده اند. میزان بروز سرطان ریه در استان کرمانشاه روند صعودی دارد و این میزان درمردان و در گروه های سنی بالاتر بیشتر بوده است.در این مجموعه داده بیش از 68 % نمونه ها مربوط به بیماران مرد و مابقی متعلق به بیماران زن بود. بیش از 65 % مبتلایان به سرطان ریه در دهه ششم زندگی قرار دارند، همچنین بیش از 68 % مبتلایان به سرطان ریه سابقه مصرف سیگار داشتند.در این مجموعه داده از شایع ترین علایم بالینی افراد مبتلا به سرطان ریه می توان به درد قفسه سینه، خلط خونی، تنگی نفس و سرفه اشاره کرد.ویژگی های مطرح شده در این مجموعه داده با استفاده از الگوریتم های RBF وMLPدر نرم افزار وکا و نروسلوشن مورد بررسی قرار گرفتند. نتایج آزمایشات نشان می دهد که شبکه عصبیRBF درهردونرم افزاربالاترین دقت پیش بینی را در تشخیص اولیه سرطان ریه دارد. همچنین نتایج پیاده سازی با یک نمونه مجموعه داده از پایگاهTCGA مورد آزمایش قرار گرفت. با توجه به نتایج این بررسی، موفقیت آموزش انجام شده توسط مجموعه داده بیمارستان امام رضا(ع) استان کرمانشاه در تشخیص اولیه سرطان ریه بر روی پایگاه دادهTCGAکاملا مشهود می باشد

کلیدواژه ها:

سرطان ریه ، شبکه عصبی پرسپترون چند لایه ، شبکه تابع پایه شعاعی