تشخیص بیماری پروستات توسط روش ترکیبی با استفاده از ANN و SVM

امروزه بیماری های پروستات یکی از مهمترین دلایل مرگ و میر هستند. در سرتاسر دنیا بیشتر مرگ و میرهای ناشی ازبیماری، مربوط به بیماری های پروستات است. پیش بینی صحیح و مناسب مشکلات و پیچیدگی های احتمالی مرتبط با اینبیماری ها بسیار دشوار است. بدین منظور، سیستم های زیادی مبتنی بر داده های پزشکی ایجاد شده اند. برخی از اینسیستم ها بر اساس عوامل خطرساز بیماری کار می کنند. بسیار از این عوامل خطرساز قابل مشاهده که در بیماران پروستاترایج است را می توان برای تشخیص موثر بیماری به کاربست. اینگونه سیستم ها نه تنها به پزشکان در پیش بینی بروز بیماریکمک می کنند، بلکه به افراد نیز در خصوص احتمال بروز بیماری هشدار می دهند. کاربرد این سیستم ها در کاهش هزینه هاو زمان نیز موثرند. از این رو، در این پژوهش یک تکنیک ترکیبی در پیش بینی بیماری های پروستات بر اساس عواملخطرساز بیماری ارایه شده است. ابزارهای داده کاوی به کاربسته شده برای این سیستم عبارتند از: ابزار خوشه بندی ماشیناین تکنیک ترکیبی از مزایای بهینه. (PSO) الگوریتم شبکه عصبی (مکاشفه ای) و ازدحام ذرات، (SVM) بردار پشتیبانسازی الگوریتم شبکه عصبی و ازدحام ذرات برای وزن دهی اولیه ی اوزان در ماشین بردار پشتیبان بهره برده است. با اینتکنیک، سیستم پیشنهادی در مقایسه با سیستم های موجود دیگر بسیار سریع، با ثبات و با دقت بیشتر است. اجرای اینسیستم در نرم افزار متلب صورت گرفته و بر اساس عوامل خطرساز، دقت بدست آمده برابر 95 درصد است.

کلیدواژه ها:

پیش بینی بیماری پروستات ، داده کاوی ، الگوریتم های شبکه عصبی ، ازدحام ذرات و ماشین بردار پشتیبان