ارایه یک روش بهینه انتخاب ویژگی در بهبود تشخیص سرطان سینه با استفاده از الگوریتم بهینه سازی ازدحام ذرات

انتخاب ویژگی مفهومی کلیدی در شناسایی الگو و استخراج اطلاعات از دادههای خام است که تا به امروز کمتر در تحقیقات پزشکی مورد توجه قرار گرفته است.یک روش انتخاب ویژگی، استفاده از الگوریتم های تکاملی مانند الگوریتم بهینه سازی ازدحام ذرات، برای انتخاب ویژگی های مهم و مرتبط به منظور بهبود دقت مدل تشخیص است. در اینمقاله یک روش انتخاب ویژگی کارآمد با استفاده از الگوریتم بهینه سازی ازدحام ذرات پیاده سازی شده است که توانسته است با استفاده از پارامترهای آماری، ماتریس همبستگی و پشتیبانی تصمیم در نهایت دقت تشخیص سرطان سینه را بهبود دهد. این در حالی است که در مقایسه با سیستم های مشابه از تعداد کمتری ویژگی برای ورودی یک SVM استفاده می کند. همچنین برای اثبات کارایی الگوریتم ارایه شده ، روش پیشنهادی در نرم افزار متلب پیاده سازی شد و با روشهای پایه و مشابه مورد مقایسه قرار گرفت که روش مبتنی بر الگوریتم بهینه سازی ازدحام ذرات نتایج بهتری را نشان داد.