Iranian Journal of Breast Diseases
بیماریهای پستان ایران
ijbd
Medical Sciences
http://ijbd.ir
0
user
1735-9406
2645-7482
10.61186/ijbd
fa
jalali
1398
8
1
gregorian
2019
11
1
12
3
online
1
fulltext
fa
پیشبینی بدخیمی تومور پستان با استفاده از شبکه عصبی و الگوریتم بهینهسازی وال (WOA)
Prediction of Breast Tumor Malignancy Using Neural Network and Whale Optimization Algorithms (WOA)
بیماریهای پستان
Breast Diseases
پژوهشي
Research
<div style="text-align: justify;"><strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">مقدمه:</span></span></strong> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">سرطان پستان به عنوان یکی از شایعترین علل مرگ و میر در میان زنان در نظر گرفته میشود. تشخیص زودهنگام سرطان پستان شانس زنده ماندن را افزایش میدهد. </span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">مطالعه حاضر </span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">جهت پیشبینی دقیقتر و تصمیمگیری مؤثرتر در درمان بیماران</span></span> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">مبتلا به سرطان پستان</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> صورت گرفته است.</span></span><br>
<strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">روش بررسی­:</span></span></strong> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">مطالعه حاضر که </span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">از نوع کاربردی و توصیفی-تحلیلی بر اساس بهرهگیری از روشهای کامپیوتری است، جامعهی هدف آن متشکل از 699 مورد بیماران مبتلا به سرطان پستان خوشخیم و بدخیم</span></span> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">با 9 متغیر ورودی </span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">روی مجموعه دادههای بیماری سرطان پستان پایگاه </span></span><span dir="LTR"><span style="font-size:11.0pt;">UCI</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> انجام شده است، قبل از نرمالسازی دادهها از الگوریتم </span></span><span dir="LTR"><span style="font-size:11.0pt;">EM</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> برای دادهکاوی استفاده شده است. سپس از مدل ترکیب شبکه عصبی مبتنی بر ساختار پرسپترون چند لایه با الگوریتم بهینهسازی وال (</span></span><span dir="LTR"><span style="font-size:11.0pt;">WOA</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">) برای پیشبینی بدخیمی تومور پستان استفاده شده است و دقت و پیشبینی آن مورد بررسی و مقایسه قرار گرفته است.</span></span><br>
<strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">یافتهها:</span></span></strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> نتایج مطالعه حاضر نشان میدهد که پس از پیشپردازش مجموعه دادههای بیماری، دقت </span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">الگوریتم پیشنهادی برای دادههای آموزش و آزمون به ترتیب برابر با 6/99 و 99 بوده است و همچنین دقت پیش بینی مدل پیشنهادی برابر 4/99 به دست آمد که با </span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">مقایسه صورت گرفته نسبت به روشهای مختلف یادگیری ماشین در مطالعات دیگر نتیجه خوبی میباشد.</span></span><br>
<strong><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">نتیجه ­گیری</span></span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">:</span></span></span></strong> <span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">با توجه به اهمیت تشخیص زودهنگام بیماری سرطان پستان، یافتههای این مطالعه میتواند به</span></span></span> <span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">برنامهریزان و ارائهکنندگان خدمات سلامت در برنامههای</span></span></span> <span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">تشخیص به موقع این بیماری کمک شایانی نماید.</span></span></span></div>
<div style="text-align: justify;"><strong>Introduction:</strong> Breast cancer is the most prevalent cause of cancer mortality among women. Early diagnosis of breast cancer gives patients greater survival time. The present study aims to provide an algorithm for more accurate prediction and more effective decision-making in the treatment of patients with breast cancer.<br>
<strong>Methods: </strong>The present study was applied, descriptive-analytical, based on the use of computerized methods. We obtained 699 independent records containing nine clinical variables from the UCI machine learning. The EM algorithm was used to analyze the data before normalizing them. Following that, a combination of neural network model based on multilayer perceptron structure with the Whale Optimization Algorithm (WOA) was used to predict the breast tumor malignancy.<br>
<strong>Results: </strong>After preprocessing the disease data set and reducing data dimensions, the accuracy of the proposed algorithm for training and testing data was 99.6% and 99%, respectively. The prediction accuracy of the proposed model was 99.4%, which would be a satisfying result compared to different methods of machine learning in other studies.<br>
<strong>Conclusion: </strong>Considering the importance of early diagnosis of breast cancer, the results of this study may have highly useful implications for health care providers and planners so as to achieve the early diagnosis of the disease.</div>
سرطان پستان, الگوریتم EM, الگوریتم بهینهسازی وال WOA, شبکه عصبی مصنوعی, ساختار پرسپترون چند لایه
Breast Cancer, EM Algorithm, Whale Optimization Algorithm (WOA), Artificial Neural Network, Multilayer Perceptron
26
35
http://ijbd.ir/browse.php?a_code=A-10-763-1&slc_lang=fa&sid=1
Ali
Sharifi
علی
شریفی
alisharifi9477@gmail.com
3341648550
00031947532846005051
No
Ph.D. Student in Analytical Chemistry, Department of Chemistry, Lorestan University, Khorramabad, Iran
دانشگاه لرستان
Kamal
Alizadeh
کمال
علیزاده
alizadehkam@yahoo.com
2708804367
00031947532846005052
Yes
Department of Chemistry, Faculty of Basic Science, Lorestan University, Khorramabad, Iran
دانشگاه لرستان