جلد 26، شماره 10 - ( 10-1398 )
جلد 26 شماره 10 صفحات 56-48 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Sharifi A, Alizadeh K. A novel Technique Based on Principal Component Analysis and Multi-Layer Perceptron with Genetic Algorithm optimization for Diagnosis of Lung Cancer. RJMS 2019; 26 (10) :48-56
URL: http://rjms.iums.ac.ir/article-1-5672-fa.html
URL: http://rjms.iums.ac.ir/article-1-5672-fa.html
شریفی علی، علیزاده کمال. روش جدید بر پایه تحلیل مؤلفه اساسی و پرسپترون چندلایه با بهینه‌سازی الگوریتم ژنتیک برای تشخیص بیماری سرطان ریه. مجله علوم پزشکی رازی. 1398; 26 (10) :48-56
دانشکده علوم پایه، دانشگاه لرستان، ایران ، Alizadehkam@yahoo.com
چکیده: (2948 مشاهده)
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.
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.
واژه‌های کلیدی: سرطان ریه، تحلیل مؤلفه اساسی، شبکه عصبی مصنوعی، ساختار پرسپترون چند لایه، الگوریتم ژنتیک
نوع مطالعه: پژوهشي |
موضوع مقاله:
آموزش پزشکی
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
