بهبود الگوریتم زنبور عسل ژنتیکی برای انتخاب ویژگی های موثر در پیش بینی سرطان پستان از بین عادات غذایی، عوامل فرهنگی، علایم بالینی و نتایج آزمایشگاهی

نویسندگان

  • غراوی, ثریا دانشکده برق و کامپیوتر، مجتمع آموزش عالی اسفراین، خراسان شمالی، اسفراین
  • مومنی, محمد ، دانشکده مهندسی برق و کامپیوتر، گروه کامپیوتر، دانشگاه یزد، یزد، ایران
  • نوشیار, مهدی دانشکده مهندسی برق و کامپیوتر، گروه کامپیوتر، دانشگاه محقق اردبیلی، اردبیل
چکیده مقاله:

مقدمه: کشف ویژگی های موثر در بروز سرطان پستان دارای اهمیت است. وجود علایم مختلف این بیماری، تشخیص را برای پزشکان دشوار می کند. پیشگیری از ابتلا به سرطان پستان با آگاهی از عوامل تاثیرگذار در بروز بیماری، میسر می‌گردد. هدف این مقاله، انتخاب ویژگی‌های موثر در پیش‌بینی سرطان پستان از بین عادات غذایی، عوامل فرهنگی و نتایج آزمایشگاهی است. برای این کار یک مدل بهینه مبتنی الگوریتم زنبور عسل ژنتیکی برای افزایش دقت یادگیری ماشین معرفی می‌شود. روش بررسی: در این مطالعه، اطلاعات بیماران از پایگاه داده بیمارستان فوق تخصصی مرتاض یزد جمع ­آوری شده ­است. پرونده پزشکی 711 بیمار مبتلا به سرطان پستان با تعداد 63 ویژگی مورد بررسی قرار گرفته است. هر یک از بیماران حداقل به مدت دو سال تحت پیگیری بوده­ اند. ویژگی‌های تاثیرگذار در ابتلا و تشخیص سرطان پستان از بین عادات غذایی، عوامل فرهنگی، علایم بالینی و نتایج آزمایشگاهی، با استفاده از الگوریتم GBC و ماشین بردار پشتیبان انتخاب شد. یافته­ ها: ویژگی‌های استعمال سیگار و قلیان، عدم فعالیت ورزشی، اشتغال در شیف شب و تجرد از بین عادات غذایی و عوامل فرهنگی در ارتباط با تشخیص سرطان پستان انتخاب شدند. همچنین مدل ‌پیشنهادی ویژگی‌هایی مانند: مقایسه نتیجه ماموگرافی قبلی و فعلی، مدت مصرف قرص ضدبارداری، هیستروکتومی، جایگزینی هورمون، میزان تو رفتگی نوک پستان، میزان درد، نوع ترشح و توده موجود در تصاویر ماموگرافی را موثر در تشخیص این بیماری دانست. هیچ ارتباط معناداری بین سرطان پستان و ویژگی‌هایی مانند استفاده از ماکروفر در آشپزخانه، نوع برنج و روغن مصرفی یافت نشد. نتیجه­ گیری: با استفاده از عادات غذایی و عوامل فرهنگی در پیش­بینی سرطان پستان، مدل پیشنهادی نسبت به سایر مدل­ های مورد مقایسه مانند فازی و شبکه عصبی، دارای حداقل میزان خطا و بیش­ترین دقت و صحت ­است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

ارزیابی تأثیر انتخاب ویژگی و توابع کرنل مختلف در عملکرد SVM برای تشخیص سرطان پستان

مقدمه: سرطان پستان یکی از رایج‌ترین سرطان‌ها در میان زنان است. در تصاویر ماموگرافی، تشخیص تومورهای خوش‌خیم از بدخیم به دلیل شباهت ساختاری کاری دشوار و زمان‌بر است. یادگیری ماشین یک شاخه از هوش مصنوعی است که می‌تواند به صورت ابزاری کمکی در کنار پزشک قرار گیرد و آن‌ها را در تصمیم‌گیری یاری کند. ماشین بردار پشتیبان SVM یکی از رایج‌ترین روش‌های یادگیری ماشین است که عملکرد آن به نوع تابع کرنل و ویژگ...

متن کامل

انتخاب ویژگی های موثر در تشخیص سرطان پستان با استفاده از مدل های پارامتریک یادگیری ماشین

چکیده مقدمه: آزمایش آسپیراسیون سوزنی روشی کم هزینه، آسان و سریع برای تشخیص دقیق و زود هنگام سرطان پستان است. با استفاده از خصوصیات استخراج شده از آزمایش آسپیراسیون سوزنی و با کمک تکنیک های یادگیری ماشین می توان سیستمی کارآمد را برای تشخیص سرطان پستان طراحی نمود که با دقت بالایی خوش خیم یا بدخیم بودن تومورهای پستان را تشخیص دهند. هدف از انجام این مطالعه، انتخاب ویژگی های موثر در تشخیص سرطان پستا...

متن کامل

ارزیابی تأثیر انتخاب ویژگی و توابع کرنل مختلف در عملکرد SVM برای تشخیص سرطان پستان

مقدمه: سرطان پستان یکی از رایج‌ترین سرطان‌ها در میان زنان است. در تصاویر ماموگرافی، تشخیص تومورهای خوش‌خیم از بدخیم به دلیل شباهت ساختاری کاری دشوار و زمان‌بر است. یادگیری ماشین یک شاخه از هوش مصنوعی است که می‌تواند به صورت ابزاری کمکی در کنار پزشک قرار گیرد و آن‌ها را در تصمیم‌گیری یاری کند. ماشین بردار پشتیبان SVM یکی از رایج‌ترین روش‌های یادگیری ماشین است که عملکرد آن به نوع تابع کرنل و ویژگ...

متن کامل

پیش بینی آسیب بافت ریه از طریق بررسی پارامترهای بالینی و دزیمتریکی در بیماران مبتلا به سرطان پستان

Background and purpose: Breast cancer is the most common type of cancer among women. In radiation therapy for breast cancer it is important to prevent damage to normal tissues particularly to lung tissue. In this study, we investigated the incidence of damage in patients with breast cancer by clinical and dosimetric parameters to identify the predictive factors. Materials and methods: An exp...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 11  شماره 3

صفحات  71- 82

تاریخ انتشار 2018-12

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

کلمات کلیدی

کلمات کلیدی برای این مقاله ارائه نشده است

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023