دوره 25، شماره 130 - ( آبان 1394 )                   جلد 25 شماره 130 صفحات 115-100 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Daaraaee M, Vahidi J, Alipour A. A Method Based on an Evolutionary Algorithm to Achieve an Efficient Artificial Neural Network Model for Prediction of Breast Tumors Status. J Mazandaran Univ Med Sci 2015; 25 (130) :100-115
URL: http://jmums.mazums.ac.ir/article-1-6406-fa.html
دارائی مهیار، وحیدی جواد، علی پور عباس. ارائه روشی مبتنی بر یک الگوریتم تکاملی برای دستیابی به مدلی کارآمد از شبکه عصبی مصنوعی جهت پیش بینی وضعیت تومورهای پستان. مجله دانشگاه علوم پزشکی مازندران. 1394; 25 (130) :100-115

URL: http://jmums.mazums.ac.ir/article-1-6406-fa.html


چکیده:   (6822 مشاهده)

سابقه و هدف: اخیراً روش های هوشمند نظیر شبکه‌های عصبی مصنوعی به عنوان یک مدل کارآمد جهت پیش‌بینی و طبقه‌بندی تومورها مورد استفاده قرار گرفته‌اند. تشخیص خوش خیمی و یا بدخیمی توده‌های پستانی بر اساس خصوصیات مورفولوژیک، بالینی و دموگرافیک و بدون استفاده از روش‌های تهاجمی پاراکلینیکی بسیار با اهمیت است. هدف این پژوهش ارائه یک مدل شبکه عصبی برای پیش‌بینی وضعیت تومورهای پستان و مقایسه کارآمدی آن با مدل رایج رگرسیونی می‌باشد.

مواد و روش‌ها: Wisconsin Breast Cancer Database به عنوان مجموعه داده‌ای این تحقیق، مورد استفاده قرار گرفته است. این مجموعه، از طریق نتایج سیتولوژی تومورهای ناحیه پستان 683 بیمار مختلف به دست آمده است. ویژگی‌هایی هم‌چون ضخامت توده، یکنواختی اندازه و شکل سلول و ... به عنوان متغیرهای ورودی مدل پیشنهادی به کار رفته‌اند. از الگوریتم ژنتیک (GA) برای تعیین بهترین ساختار و نیز آموزش مدل شبکه عصبی چند لایه استفاده و پیاده سازی آن در نرم‌افزار MATLAB انجام گردیده است. کارایی مدل شبکه عصبی پیشنهادی با رگرسیون لجستیک مقایسه و برازش مدل رگرسیون لجستیک در نرم‌افزار SPSS انجام شده است. برای محاسبه دقیق کارایی مدل‌ها از تکنیک
5-fold cross validation استفاده شده است.

یافته‌ها: نتایج نشان داد که GA توانایی تعیین بهترین ساختار برای یک شبکه چند لایه را دارد و شبکه را نیز به نحو مطلوب آموزش می‌دهد. بر اساس نتایج حاصله، پس از اجراهای مختلف، بهترین مدل شبکه عصبی با ساختار NN(9-8-6-1) به دست آمد که دقت، حساسیت، ویژگی و سطح زیر منحنیROC آن به‌طور میانگین به‌ترتیب971/0، 988/0و962/0 و 9955/0 بود. ضمن آن که مقادیر همین پارامترها برای رگرسیون لجستیک به ترتیب 968/0، 975/0، 964/0 و 9954/0 به دست آمد.

استنتاج: بدین ترتیب مدل شبکه عصبی به دست آمده می‌تواند در کنار روش های تشخیصی غیر تهاجمی معمول، به عنوان یک سیستم پشتیبان تشخیص با حساسیت و ویژگی بالا، جهت شناسایی تومورهای خوش خیم و بدخیم پستان مورد استفاده قرار گیرد.

متن کامل [PDF 573 kb]   (3044 دریافت)    
نوع مطالعه: پژوهشي-کامل |

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

ارسال پیام به نویسنده مسئول


بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به مجله دانشگاه علوم پزشکی مازندران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Mazandaran University of Medical Sciences

Designed & Developed by : Yektaweb