تشخیص سرطان سینه به کمک شبکه عصبی و الگوریتمهای داده کاوی

سرطان سینه یکی از شایعترین بیماریهای دنیا بوده و هر ساله افراد زیاد به دلیل عدم اطلاع از وجود این بیماری در خود و شناخت به موقع آن جان خود را از دست میدهند با توجه به پیشرفتهای علوم پزشکی و امکان معالجه و درمان سزطان سینه پیش بینی صحیح آن در مراحل اولیه دارای اهمیت بالایی است. زیراشانس زنده ماندن و درمان آن را بالا میبرد هر چند تشخیص آن در مراحل اولیه امری دشوار است ولی سیستمهای کمک تصمیم یار پزشکی کمک شایانی در این راستا به پزشکان مینماید در تحقیق حاضر کارائی روش پیشنهادی برای تشخیص سرطان سینه مورد بررسی قرار گرفت در این تحقیق یک روش جدید طبقه بندی تومورهای سینه مبتنی بر یادگیری ماشین با استفاده تصاویر ماموگرافی MIAS ارائه شد. روش پیشنهادی از طریق پنج گام شامل (۱ قطعه بندی تصاویر ورودی با استفاده از الگوریتم FCM، (۲) آماده سازی تصاویر قطعه بندی شده با نرمالسازی آنها برای استخراج ویژگی (۳) استخراج ویژگی با استفاده از ماتریس هم رخداد سطح خاکستری (GLCM (۴) انتخاب ویژگی با استفاده از روش آنالیز مولفه های اصلی و (۵ طبقه بندی تودهها به صورت خوش خیم و بدخیم توسط روش یادگیری ماشین بردار پشتیبان با اضافه کردن رای گیری انجام گردید. نتایج ارزیابی دقت مدل پیشنهادی نشان داد که این مدل با داشتن دقت بیش از ۹۰ درصد کارائی قابل قبولی در تشخیص سرطان سینه در مراحل اولیه و با استفاده از تصویر ماموگرافی آن را دارد