پیش بینی سرطان سینه با استفاده از روش خوشه بندی انتشار وابستگی با در نظر گرفتن وزن متغیرها

سال انتشار: 1397
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 427

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_JEMSC-4-2_002

تاریخ نمایه سازی: 20 خرداد 1398

چکیده مقاله:

با استفاده از ابزارهای داده­کاوی در حوزه­ی تشخیص پزشکی محدودیت­هایی همچون هزینه­های بالای برخی از آزمایشات یا زمان­بر بودن آن­ها مرتفع می­گردد. به علاوه، وجود خطا در برخی از آزمایشات موجب شده تا روش­های دسته­بندی مورد استقبال پژوهشگران قرار گیرد. در همین راستا پژوهش جاری با تکیه بر ترکیب روش­های خوشه­بندی و دسته­بندی روش جدیدی را برای تشخیص بدخیمی سرطان سینه ارائه نموده است که در آن عمل ترکیب با استفاده از یک الگوریتم ابتکاری تکرار شونده و الگوریتم خوشه­بندی انتشار وابستگی انجام می­شود. این روش با استفاده از یک الگوریتم ابتکاری وزن­هایی را برای متغیرها تولید نموده و براساس الگوریتم انتشار وابستگی، خوشه­های موزون تشکیل می­دهد. سپس شماره خوشه­ها به عنوان یک متغیر جدید به داده­ها افزوده شده و در مرحله­ی بعد، الگوریتم دسته­بند بر روی مجموعه داده­ی اصلاح شده حاوی داده­های اصلی و شماره­ی خوشه­ها اجرا می­گردد. با توجه به شاخص دقت، تولید اوزان تا رسیدن به بیشترین دقت ممکن ادامه می­یابد. بر طبق آزمایشات عددی انجام شده در این پژوهش، ترکیب الگوریتم خوشه­بندی انتشار وابستگی با میانگین دقت 36/98 دارای بیشترین دقت بوده است. به علاوه، آزمون فرض ویلکاکسون برتری شبکه­ی عصبی ترکیبی را نسبت به سایر روش­ها مورد تایید قرار داده است.

نویسندگان

سینا دامی

استادیار، گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران،

زینب حاتم چوری

دانش آموخته کارشناسی ارشد، گروه کامپیوتر، واحد تهران غرب، دانشگاه آزاد اسلامی، تهران،

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  •  Arevalo J, González FA, Ramos-Pollán R, Oliveira JL, Lopez ...
  • mammography mass lesion classification with convolutional neural networks. Computer ...
  • methods and programs in biomedicine. 127, 248-57. ...
  •  De Sampaio WB, Silva AC, de Paiva AC, Gattass ...
  • with adaption to breast density using genetic algorithm, phylogenetic trees, ...
  • Expert Systems with Applications. 42(22), 8911-28. ...
  •  Ghayomi Zade. A. (2013). Clustering and Diagnosis of Breast ...
  • Combination of SVM and SOM Neural Network. ijbd. 2013; 5 ...
  •  Hassanien AE, Moftah HM, Azar AT, Shoman M. (2014). ...
  • approach using adaptive ant-based segmentation and multilayer perceptron neural networks ...
  • classifier. Applied Soft Computing. 14, 62-71. ...
  •  He, X., Wang, Z., Jin, C., Zheng, Y., Xue, ...
  • with reduced dual optimization, Pattern Recognition Letters, 33, 71-82. ...
  •  Jiao Z, Gao X, Wang Y, Li J. (2016). ...
  • Neurocomputing. 197, 221-31 ...
  •  Mishra G, Ananth V, Shelke K, Sehgal D, Valadi ...
  • Vector Machines for Classification of Medical Datasets. InProceedings of Fourth ...
  • Conference on Soft Computing for Problem Solving 2015. Springer India. ...
  •  Naush J, González FA, Ramos-Pollán R, Oliveira JL, Lopez ...
  • mammography mass lesion classification with convolutional neural networks. Computer ...
  • methods and programs in biomedicine. 127, 248-57. ...
  •  Naushad SM, Ramaiah MJ, Pavithrakumari M, Jayapriya J, Hussain ...
  • SR, Digumarti R, Kutala VK. (2016). Artificial neural network-based exploration ...
  • interactions in folate and xenobiotic metabolic pathways that modulate susceptibility ...
  • breast cancer. Gene. 580(2), 159-68. ...
  •  Rouhi R, Jafari M. (2016). Classification of benign and ...
  • set segmentation. Expert Systems with Applications. 46, 45-59. ...
  •  Sivakami K. (2015). Mining Big Data: Breast Cancer Prediction ...
  •  Sweilam NH, Tharwat AA, Moniem NA. (2010). Support vector ...
  • A comparative study. Egyptian Informatics Journal. 11(2), 81-92. ...
  •  Wang P, Hu X, Li Y, Liu Q, Zhu ...
  • breast cancer histopathology images. Signal Processing. 122, 1-3. ...
  •  World Health Organization. (2014) Cancer Fact sheet N°297 . ...
  •  Zheng B, Yoon SW, Lam SS. (2014). Breast cancer ...
  • hybrid of K-means and support vector machine algorithms. Expert Systems ...
  •  Zheng-Feng LI, Guang-Jin XU, Jia-Jun WA, Guo-Rong DU, Wen-Sheng ...
  • Outlier Detection for Multivariate Calibration in Near Infrared Spectroscopic Analysis ...
  • Diagnostics. Chinese Journal of Analytical Chemistry. 44(2), 305-9. ...
  • نمایش کامل مراجع