پیام خود را بنویسید
جلد 10، شماره 4 - ( فصلنامۀ علمی - پژوهشی بيماري‌هاي پستان ايران 1396 )                   جلد 10 شماره 4 صفحات 57-47 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Ahmadi Toussi C, Ghayoumi-Zadeh H, Haddadnia J. Using Bio-geographical Algorithm in Optimizing Neural Network for the Diagnosis of Breast Cancer. ijbd 2018; 10 (4) :47-57
URL: http://ijbd.ir/article-1-666-fa.html
احمدی طوسی سیروس، قیومی زاده حسین، حدادنیا جواد. استفاده از الگوریتم جغرافیای زیستی در بهینه سازی شبکه عصبی جهت تشخیص سرطان پستان. بیماری‌های پستان ایران. 1396; 10 (4) :47-57

URL: http://ijbd.ir/article-1-666-fa.html


1- ، cyrus.ahmady@gmail.com
چکیده:   (4961 مشاهده)

چکیده
مقدمه: در حال حاضر، سرطان پستان از شایع‏ترین بیماری­های زنان است. دسته ‏بندی دقیق تومور سرطان پستان نقش کلیدی را در امر تشخیص پزشکی ایفا می­کند. متخصصین به دنبال روش­های بهینه جهت بهبود تشخیص این تومور می‏ باشند.
روش بررسی: در این مطالعه شبکه عصبی مبتنی بر جغرافیای زیستی ارایه گردیده که با استفاده از آنالیز اجزای اصلی در مرحله آماده ‏سازی و بروز رسانی همزمان وزن‏ها موفق به دسته‏بندی داده ­ها به عنوان خوش‏ خیم یا بدخیم می­گردد. جهت ارزیابی الگوریتم ارایه شده از داده‏ های بانک اطلاعاتی ویسکانسین استفاده شده است.
یافته‏ ها: دقت تفکیک در حالت عادی یعنی حالتی که از آنالیز اجزای اصلی و الگوریتم بهینه سازی استفاده نشده و تنها شبکه عصبی با نسبت 70-30 داده‏های آموزش به تست مورد استفاده قرار گیرد، 2/97% است. با بکارگیری آنالیز اجزای اصلی و کاهش 9 ویژگی به 8 ویژگی دقت به 5/98 می­رسد. نهایتا با استفاده از الگوریتم بهینه سازی جغرافیای زیستی همراه با اعتبار سنجی ضربدری 10 گانه دقت به 100% رسیده که به میزان قابل توجهی از نتایج بدست آمده از مطالعات دیگر موفق ‏تر است.
نتیجه‏ گیری: استفاده از این الگوریتم می‏تواند عملکرد شبکه عصبی را بهبود دهد. مقایسه روش ارایه شده با حالت بهینه نشده و در حالتی که فقط ازPCA  و شبکه عصبی استفاده شده است، عملکرد بهینه این روش را نشان داد. نتایج حاکی از آن است که مدل ارایه شده در این مقاله دقت بسیار بالایی در تفکیک داده‏ های سرطان پستان دارا می­ باشد و می توان از آن جهت تشخیص نهایی این سرطان استفاده نمود.
 
متن کامل [PDF 846 kb]   (3616 دریافت)    
نتیجه‏ گیری: استفاده از این الگوریتم می‏تواند عملکرد شبکه عصبی را بهبود دهد. مقایسه روش ارایه شده با حالت بهینه نشده و در حالتی که فقط ازPCA  و شبکه عصبی استفاده شده است، عملکرد بهینه این روش را نشان داد. نتایج حاکی از آن است که مدل ارایه شده در این مقاله دقت بسیار بالایی در تفکیک داده‏ های سرطان پستان دارا می­ باشد و می توان از آن جهت تشخیص نهایی این سرطان استفاده نمود.
نوع مطالعه: پژوهشي | موضوع مقاله: بیماریهای پستان
دریافت: 1396/12/26 | پذیرش: 1396/12/26 | انتشار: 1396/12/26

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

تمامی حقوق نرم‌افزاری اين وب سایت متعلق به مجله علمی بیماری‌های پستان ایران می‌باشد.

طراحی و برنامه نویسی: یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Iranian Journal of Breast Diseases

Designed & Developed by: Yektaweb