محسن دهقانی - دانشگاه آزاد اسلامی بیضا واحد بیضا فارس ایران

علت عمده عدم تشخیص سرطان ریه در مراحل ابتدائی به علت کمبود علائم بیماری می باشد، به طوری که احتمال بقای 5 ساله بیماران مبتلابه سرطان ریه پس از عمل جراحی تنها 14 % است؛ حالآنکه تشخیص در مراحل اولیه این احتمال را به 70 درصد افزایش می دهد.رشد فزاینده این نوع بیماری ، دشواری تشخیص از روی تصاویر توسط پزشک و اهمیت تشخیص زود هنگام ، نیاز به روش های کمک تشخیص کامپیوتری مدرن با دقت بالا را دو چندان کرده است. در جهت تحقق این خواسته مهم در این مطالعه، یک الگوریتم جدید جهت انتخاب برخط ویژگی ها با استفاده از الگوریتم ژنتیک و توابع آماری در راستای تشخیص سرطان ریه و افزایش دقت ارائهشده است. هدف ما جداسازی خودکار ویژگی های موثر و تاثیرگذار از بین ویژگی های موجود است. طبیعتا برای طبقه بندی داده ها نیاز به یک سری داده تحت عنوان ویژگی داریم که برای این کار از ویژگی های بیماری استفاده می شود. در بسیاری از مجموعه داده ها برخی از ویژگی ها در تصمیم گیری نقشی ندارند و به نوعی میتوان آنها را اضافی تلقی نمود.پس انتخاب یک زیرمجموعه ی مناسب از ورودی ها می تواند هم در دقت طبقه بندی و هم در سرعت آن مثمر ثمر باشد. برای این کار از الگوریتم ژنتیک با تابع هدف مبتنی بر پراکندگی داده ها و مفاهیم آماری استفاده می گردد. روش پیشنهادی مورد پیاده سازی قرار گرفته و نتایج حاصل بیانگر دقت بالای این الگوریتم در انتخاب ویژگی های تاثیرگذار ومتعاقب آن افزایش دقت طبقه بندی کننده در مقایسه با روش های پایه و در مقایسه با سایر مطالعات می باشد.

انتخاب ویژگی ها، یادگیری ماشین، الگوریتم ژنتیک آماری، شناسایی سرطان ریه