Iranian Journal of Breast Diseases

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;">مقدمه: 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. مطالعه حاضر جهت پیش‌بینی دقیق‌تر و تصمیم‌گیری مؤثرتر در درمان بیماران مبتلا به سرطان پستان صورت گرفته است. روش بررسی: مطالعه حاضر که 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 با 9 متغیر ورودی روی مجموعه داده‌های بیماری سرطان پستان پایگاه UCI انجام شده است، قبل از نرمال‌سازی داده‌ها از الگوریتم EM برای داده‌کاوی استفاده شده است. سپس از مدل ترکیب شبکه عصبی مبتنی بر ساختار پرسپترون چند لایه با الگوریتم بهینه‌سازی وال (WOA) برای پیش‌بینی بدخیمی تومور پستان استفاده شده است و دقت و پیش‌بینی آن مورد بررسی و مقایسه قرار گرفته است. یافته‌ها: نتایج مطالعه حاضر نشان می‌دهد که پس از پیش‌پردازش مجموعه داده‌های بیماری، دقت 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 مقایسه صورت گرفته نسبت به روش‌های مختلف یادگیری ماشین در مطالعات دیگر نتیجه خوبی می‌باشد. نتیجه گیری: با توجه به اهمیت تشخیص زودهنگام بیماری سرطان پستان، یافته‌های این مطالعه می‌تواند به برنامه‌ریزان و ارائه‌کنندگان خدمات سلامت در برنامه‌های تشخیص به ‌موقع این بیماری کمک شایانی نماید.</div> <div style="text-align: justify;">Introduction: 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. Methods: 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. Results: 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. Conclusion: 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