آسیه خسروانیان - گروه علمی مهندسی کامپیوتر، دانشگاه سمنان، سمنان، ایران
محمد رحمانی منش - گروه علمی مهندسی کامپیوتر، دانشگاه سمنان، سمنان، ایران
پرویز کشاورزی - گروه علمی مهندسی کامپیوتر، دانشگاه سمنان، سمنان، ایران

در تحقیقات سرطان، تشخیص زودهنگام سرطان پستان بر پیش آگهی و طول عمر بیمار تاثیرگذار است. روش های هوش مصنوعی و داده کاوی ازجمله روش های پیش بینی هستند که در این مورد میتوانند کمک کننده باشد. هدف از این مقاله طراحی و ارزیابی یک سیستم جدید تشخیص خودکار کامپیوتری جهت پیش بینی نوع توده پستان با استفاده از ترکیب فازی روش های رگرسیون است.روش بررسی: در این مطالعه توصیفی- تحلیلی یک سیستم تصمیم گیری گروهی با ترکیب روشهای رگرسیون PCA، RSM و SVR-Firefly به منظور پیش بینی نوع توده پستان اعم از تومور خوشخیم یا بدخیم طراحیشده است. به منظور ارزیابی سیستم طراحی شده از مجموعه داده مربوط به بیماران مبتلا به سرطان پستان بیمارستان ویسکانسین موجود در انبار داده یادگیری ماشین استفاده شده است. داده های ورودی پس از پیشپردازش به صورت 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 رای گیری فازی و میانگین گیری فازی ترکیب شد. سیستم تصمیم گیری گروهی پیشنهادی با نرم افزار MATLAB شبیه سازی شده است.یافته ها: 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 به عنوان ورودی استفاده شد. عملکرد سیستم تصمیم گیری گروهی طراحیشده بر اساس شاخص های صحت، دقت، حساسیت و اختصاصیت در مرحله آزمون در حالت متوسط با روش رای گیری فازی معادل اعداد 0/9832، 0/9588، 0/9900 و 0/9832 و در روش میانگین گیری فازی معادل اعداد 0/9820، 0/9524، 0/9929 و 0/9804 به دست آمد. درحالیکه این شاخص ها در بهترین حالت با هر دو روش معادل عدد یک به دست آمد.نتیجه گیری: بالا بودن شاخص های عملکردی سیستم تصمیم گیری گروهی در این مقاله نشان داد که سیستم پیشنهادی عملکرد مناسبی در پیش بینی خوشخیم یا بدخیم بودن توده های 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 شبیه سازی این مقاله میتواند در آموزش پزشکان به کار رود.

سرطان پستان، رای گیری فازی، میانگین گیری فازی، PCA، RSM، SVR-Firefly، مجموعه داده ویسکانسین.