آدرس ایمیل خود را وارد نمایید
ثبت
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
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
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
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
1- ، cyrus.ahmady@gmail.com
چکیده: (5118 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.
واژه‌های کلیدی: بهینه سازی جغرافیای زیستی، آنالیز اجزای مستقل، شبکه عصبی پرسپترون چند لایه، الگوریتم پس انتشار
متن کامل [PDF 846 kb]
(3816 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
دریافت: 1396/12/26 | پذیرش: 1396/12/26 | انتشار: 1396/12/26
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
