fa طراحی یک سیستم تصمیم‌گیری گروهی با ترکیب فازی روش‌های رگرسیون در پیش‌بینی خوش‌خیم یا بدخیم بودن تومورهای پستان بیماریهای پستان Breast Diseases پژوهشي Research <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;"> در تحقیقات سرطان، تشخیص زودهنگام سرطان پستان بر پیش‌آگهی و طول عمر بیمار تأثیرگذار است. روش‌های هوش مصنوعی و داده‌کاوی ازجمله روش‌های پیش‌بینی هستند که در این مورد می‌توانند کمک‌کننده باشد. هدف از این مقاله طراحی و ارزیابی یک سیستم جدید تشخیص خودکار کامپیوتری جهت پیش‌بینی نوع توده پستان با استفاده از ترکیب فازی روش‌های رگرسیون 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;">در این</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> مطالعه توصیفی- تحلیلی </span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">یک سیستم تصمیم‌گیری گروهی </span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">با ترکیب روش‌های رگرسیون </span></span><span dir="LTR"><span style="font-size:11.0pt;">PCA</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">، </span></span><span dir="LTR"><span style="font-size:11.0pt;">RSM</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> و </span></span><span dir="LTR"><span style="font-size:11.0pt;">SVR-Firefly</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> به‌منظور ‌پیش‌بینی نوع توده‌ پستان اعم از تومور خوش‌خیم یا بدخیم طراحی‌شده است. به‌منظور ارزیابی سیستم طراحی‌شده از مجموعه داده مربوط به بیماران مبتلا به سرطان پستان بیمارستان ویسکانسین موجود در انبار داده یادگیری ماشین استفاده ‌شده است. داده‌های ورودی پس از پیش‌پردازش به‌صورت تصادفی به دو دسته داده آموزش و آزمون تقسیم شد. سپس با هر یک از روش‌های رگرسیون ذکرشده مورد آموزش و آزمون قرار گرفت. درنهایت خروجی این روش‌ها با رویکردهای رأی‌گیری فازی و میانگین‌گیری فازی ترکیب شد. سیستم تصمیم‌گیری گروهی پیشنهادی با نرم‌افزار </span></span><span dir="LTR"><span style="font-size:11.0pt;">MATLAB</span></span><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> شبیه‌سازی‌ شده 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;">این مطالعه بر 683 مورد زن مبتلا به سرطان پستان انجام شد که از این تعداد 444 نمونه دارای تومور خوش‌خیم و 239 نمونه دارای تومور بدخیم می‌باشد. برای هر مورد از 9 متغیر بالینی به‌عنوان ورودی استفاده شد. عملکرد سیستم تصمیم‌گیری گروهی طراحی‌شده بر اساس شاخص‌های صحت، دقت، حساسیت و اختصاصیت در مرحله آزمون در حالت متوسط با روش رأی‌گیری فازی معادل اعداد 9832/0، 9588/0، 9900/0 و 9832/0 و در روش میانگین‌گیری فازی معادل اعداد 9820/0، 9524/0، 9929/0 و 9804/0 به دست آمد. درحالی‌که</span></span> <span style="font-family:b nazanin;"><span style="font-size:11.0pt;">این شاخص‌ها در بهترین حالت با هر دو روش معادل عدد یک به دست آمد.</span></span><br> <strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">نتیجه‌گیری: </span></span></strong><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">بالا بودن شاخص‌های عملکردی سیستم تصمیم‌گیری گروهی در این مقاله نشان داد که سیستم پیشنهادی عملکرد مناسبی در پیش‌بینی خوش‌خیم یا بدخیم بودن توده‌های پستان دارد. تعیین دقیق نوع توده می‌تواند در انتخاب روش درمانی مناسب به پزشک کمک کند و از پیشروی این سرطان جلوگیری کند. همچنین نرم‌افزار طراحی‌شده بر اساس شبیه‌سازی این مقاله می‌تواند در آموزش پزشکان به کار رود.</span></span><br> &nbsp; <strong>Introduction:</strong> In cancer research, early detection of breast cancer is effective in prognosis and increasing the survival of patients. Artificial intelligence and data mining methods are predictive methods that can be useful in this case. The purpose of this paper is to design and evaluate an automatic computer-aided diagnosis system to predict the type of breast tumor by using a fuzzy combination of regression methods.<br> <strong>Methods:</strong> In this descriptive-analytic study, a group decision-making system was designed by using the combination of PCA (Principal Components Analysis), RSM (Response Surface Methodology) and SVR-Firefly (Support Vector Regression- Firefly) methods to predict the type of breast tumor (benign or malignant). To evaluate the designed system, we used the Wisconsin Breast Cancer Dataset stored in the UCI (University of California, Irvine) Machine Learning Repository. After pre-processing, the data was split into training and testing datasets, which were evaluated by each of mentioned regression methods. Finally the results of the regression methods were combined by fuzzy voting and fuzzy averaging approaches. The proposed group decision-making system was simulated by MATLAB software.<br> <strong>Results:</strong> This study was conducted on 683 women with breast cancer, including 444 cases with benign tumors, as well as 239 cases with malignant tumors. For each case, nine clinical variables were used as inputs. The performance of the proposed group decision-making system in test phase is based on accuracy, precision, sensitivity and specificity. The values of these indicators were obtained, on average, 0.9832, 0.9588, 0.9900, 0.9832 in fuzzy voting method and 0.9820, 0.9524, 0.9929, 0.9804 in fuzzy averaging method while the performance indicators were obtained 1 by both methods in the best case.<br> <strong>Conclusion:</strong> The results of experiments show the effectiveness of the proposed group decision-making system in predicting the type of breast tumors (benign or malignant). It can help the physicians to choose the best treatment method and prevent the cancer progression. The developed software can also be used for training physicians.<br> &nbsp; سرطان پستان, رأی‌گیری فازی, میانگین‌گیری فازی, PCA, RSM, SVR-Firefly, مجموعه داده ویسکانسین. Breast Cancer, Fuzzy Voting, Fuzzy Averaging, PCA, RSM, SVR-Firefly, Wisconsin Breast Cancer Dataset. 55 66 http://ijbd.ir/browse.php?a_code=A-10-510-2&slc_lang=fa&sid=1 Asieh Khosravanian آسیه خسروانیان 00031947532846003207 00031947532846003207 No Department of Electrical and Computer Engineering, Semnan University گروه علمی مهندسی کامپیوتر، دانشگاه سمنان Mohammad Rahmanimanesh محمد رحمانی منش rahmanimanesh@semnan.ac.ir 00031947532846003208 00031947532846003208 Yes Department of Electrical and Computer Engineering, Semnan University گروه علمی مهندسی کامپیوتر، دانشگاه سمنان Parviz Keshavarzi پرویز کشاورزی 00031947532846003209 00031947532846003209 No Department of Electrical and Computer Engineering, Semnan University گروه علمی مهندسی کامپیوتر، دانشگاه سمنان