آسیه خسروانیان - گروه علمی مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، ایران
سیدسعید آیت - گروه علمی مهندسی کامپیوتر و فناوری اطلاعات، دانشگاه پیام نور، ایران

سرطان پستان رایج ترین شکل سرطان در زنان است. تشخیص به موقع سرطان شانس زنده ماندن بیمار را افزایش میدهد. شبکه های عصبی مصنوعی از روش های نوین مدلسازی و پیشبینی هستند. هدف از این مطالعه تشخیص خوشخیم یا بدخیم بودن توده های سرطان پستان است که برای این منظور سیستم تصمیمیار مبتنی بر شبکه عصبی احتمالی طراحی شد.روش بررسی: در این مطالعه یک شبکه عصبی احتمالی طراحی شد که بر اساس متغیرهای ورودی به پیشگویی نوع سرطان پستان پرداخته است. سیستم طراحیشده با استفاده از مجموعه داده مربوط به بیماران مبتلا به سرطان پستان بیمارستان ویسکانسین، موجود در انبار داده یادگیری ماشین دانشگاه ایروین، کالیفرنیا که شامل 683 مورد بود، ارزیابی شد. داده های موجود در این مجموعه پیشپردازش شدند پسازآن داده ها با روش خطی نرمال شدند . به منظور پیاده سازی شبکه از امکانات و توابع موجود در نرم افزار MATLAB بهره گرفته شد و از %65 داده ها جهت مرحله آموزش شبکه و از %35 باقی مانده جهت مرحله آزمون شبکه استفاده شد. از 9 متغیر بالینی به عنوان ورودی شبکه استفاده شد. معیارهای حساسیت، اختصاصیت و صحت جهت ارزیابی در مرحله آزمون شبکه استفاده شد.یافته ها: پس از شبیه سازی سیستم تصمیم یار با استفاده از شبکه عصبی احتمالی، پارامترهای حساسیت، اختصاصیت و صحت به کمک این سیستم به ترتیب معادل اعداد 1، 0/98 و 0/99 به دست آمد.نتیجه گیری: نتایج مطالعه نشان داد عملکرد شبکه عصبی احتمالی در تشخیص نوع سرطان پستان بهتر و قویتر از سایر شبکه های عصبی مصنوعی بوده است. به علاوه شبکه پیاده سازی شده در این مقاله دارای سرعت بیشتر در فرایند آموزش و تعمیم پذیری بهتری نسبت به موارد مشابه بوده است.

اختصاصیت، حساسیت، سرطان پستان، سیستم تصمیمیار، شبکه عصبی احتمالی