ارایه یک سیستم هوشمند براساس الگوریتم ازدحام ذرات به منظور تشخیص سرطان سینه

در سراسر دنیا، سرطان سینه یکی از شایع ترین سرطان ها در بین بانوان میباشد که منجر به بالارفتن نرخ مرگ و میر ناشی از سرطان شده است. با استفاده از ویژگیهای استخراج شده از آزمایش آسپیراسیون سوزنی و الگوریتم های داده کاوی میتوان سیستمی هوشمند ارایه نمود که که با دقت بالایی خوش خیم یا بدخیم بودن تومورهای سینه را تشخیص دهد. از آنجایی که ویژگیهای غیر موثر، منجر به کاهش دقت یک سیستم میشود، هدف از انجام این مطالعه، استفاده از الگوریتم ازدحام ذرات باینری به منظور انتخاب ویژگی های موثر در تشخیص سرطان سینه است. در واقع از الگوریتم بهینه سازی ازدحام ذرات باینری به عنوان تابع تولید کننده و از شبکه عصبی آموزش دیده با گرادیان مزدوج کوچک به عنوان تابع ارزیابی به کار برده شده است. در این پژوهش، از داده های×پایگاه داده WBCDموجود در UCI استفاده شده است. این پایگاه، شامل اطلاعات 683 بیمار با 10 ویژگی میباشد. سیستم پیشنهادی با استفاده از ترکیب روش های مذکور، موفق شد تعداد ویژگی ها را به 7 ویژگی کاهش داده و به دقت 98,04 دست یابد

کلیدواژه ها:

الگوریتم ازدحام ذرات باینری BPSO ، انتخاب ویژگی ، سرطان سینه ، داده کاوی ، رده بندی ، شبکه عصبی