تشخیص سرطان سینه با استفاده از سیستم دسته بندی فازی مبتنی بر الگوریتم جامعه مورچگان

دادهکاوی تکنیک و ابزار بسیار متداولی است که امروزه در زمینههای مختلفی کاربرد پیدا کرده اس ت . تشخیص بیماریها ی مختلف در علم پزشکی، یکی از زمینههای پرکاربرد دادهکاوی محسوب میشود که در سالهای اخیر تحقیقات و مطالعات زیادی پیرامون آن انجام شده است. در این مقاله به مساله تشخیص سرطان سینه پرداخته و از ترکیب سیستمهای فازی و الگوریتم های تکاملی و برای تشخیص خودکار سرطان سینه استفاده میشود. روش پیشنهادی مطرح شده، به کمک سیستم های فازی مبتنی بر قانون که مجموعه ای از قوانین if-then فازی می باشند، دانش مورد نیاز را واکشی نموده و عمل دسته بندی را انجام می دهد . قوانین فازی از آن جهت مورد توجه می باشند که امکان تفسیر آنها توسط انسان خبره وجود دارد. در واقع دانش مد نظر ما م ی تواند به صورت یک پایگاه قانون فازی در نظر گرفته شود که در طول فرایند داده کاوی و به کمک یک الگوریتم بهینه ساز ی با توجه به معیارهایی نظیر دقت و قابلیت تفسیر، بهبود می یابد. برای بهینه نمودن مجموعه قوانین فازی بدست آمده، از روش بهین ه ساز ی جامعه مورچگان استفاده می کنیم. سیستم ارائه شده دارای دو ویژگی اصلی سیستمهای دادهکاوی یعنی قابلیت اعتماد بالا و قابلیت تفسیر مناسب است که از این نظر با الگوریتمهای مشابه قبلی قابل رقابت است. نتایج بدست آمده از اجرا بر ر وی مجموعه داده Wisconsin Breast Cancer از مخزن داده UCI، ثابت می کند که روش ACFS پیشنهادی Ant Colony based FuzzySystem میتواند با دقت بالایی به دستهبندی و پیش بینی نمونه های سرطانی بپردازد به طوریکه قوانین تولید شده نیز به راحتی توسط یک شخص خبره قابل تفسیر باشند

کلیدواژه ها:

دادهکاوی ، تشخیص سرطان سینه ، سیستمهای فازی ، الگوریتم جامعه مورچگان