TY - JOUR JF - RJMS JO - RJMS VL - 26 IS - 10 PY - 2019 Y1 - 2019/12/01 TI - A novel Technique Based on Principal Component Analysis and Multi-Layer Perceptron with Genetic Algorithm optimization for Diagnosis of Lung Cancer TT - روش جدید بر پایه تحلیل مؤلفه اساسی و پرسپترون چندلایه با بهینه‌سازی الگوریتم ژنتیک برای تشخیص بیماری سرطان ریه N2 - زمینه و هدف: سرطان ریه جزء اولین سرطان‌های شناخته شده محسوب می‌گردد. تشخیص زودهنگام این سرطان سبب کاهش طول درمان و صرف هزینه‌های سرسام آور درمانی و عامل اصلی در بقاء و زنده ماندن افراد است. در سال‌های اخیر بهره‌مندی از روش‌های کامپیوتری در استفاده از داده‌کاوی و الگوریتم‌های هوشمند، سبب تسریع در تشخیص زودهنگام این سرطان شده است. هدف این مقاله ارزیابی نقش روش جدید بر پایه تحلیل مؤلفه اساسی و پرسپترون چندلایه با بهینه‌سازی الگوریتم ژنتیک برای تشخیص بیماری سرطان ریه مد نظر است. روش کار: در این مطالعه، داده‌های مورد استفاده از پایگاه داده یادگیری ماشین UCI شامل 32 پرونده بیمار با 57 ویژگی استخراج شد. پس از انجام مراحل پیش‌پردازش، در مرحله استخراج ویژگی و کاهش ابعاد داده، داده‌های اصلی سرطان ریه با استفاده از تحلیل مؤلفه اساسی به 17 ویژگی کاهش یافت. سپس در مرحله طبقه‌بندی این ویژگی‌های کاهش داده شده به پرسپترون چندلایه با بهینه‌سازی الگوریتم ژنتیک داده شد و حساسیت و ویژگی مدل با توجه به معیارهای دقت، حساسیت و صحت بررسی گردید. کلیه تحلیل‌ها با استفاده از نرم‌افزار MATLAB و SPSS صورت گرفت. یافته‌ها: برای مدل پیشنهادی، نتایج حاصل از شبیه‌سازی‌ها به ترتیب میانگین پارامترهای دقت طبقه‌بندی، حساسیت و صحت، 65/98، 98، 16/99 درصد بدست آمد. نتیجه­گیری: نتایج حاصل از داده‌های واقعی نشان می‌دهد که سیستم پیشنهادی در تشخیص سرطان ریه بسیار مؤثرتر و سریع‌تر از سایر روش‌ها بوده است و می‌تواند برای برنامه‌های کاربردی بالینی به عنوان دستیار پزشک مورد استفاده قرارگیرد. SP - 48 EP - 56 AU - Sharifi, Ali AU - Alizadeh, Kamal AD - Lorestan University KW - Lung cancer KW - Principal Component Analysis KW - Artificial neural network KW - Multilayer perceptron KW - Genetic Algorithm UR - http://rjms.iums.ac.ir/article-1-5672-fa.html ER -