استفاده از الگوریتم جغرافیای زیستی در بهینه سازی شبکه عصبی جهت تشخیص سرطان پستان

در حال حاضر، سرطان پستان از شایع‏ترین بیماری های زنان است. دسته ‏بندی دقیق تومور سرطان پستان نقش کلیدی را در امر تشخیص پزشکی ایفا می کند. متخصصین به دنبال روش های بهینه جهت بهبود تشخیص این تومور می‏ باشند.
در این مطالعه شبکه عصبی مبتنی بر جغرافیای زیستی ارایه گردیده که با استفاده از آنالیز اجزای اصلی در مرحله آماده ‏سازی و بروز رسانی همزمان وزن‏ها موفق به دسته‏بندی داده ها به عنوان خوش‏ خیم یا بدخیم می گردد. جهت ارزیابی الگوریتم ارایه شده از داده های بانک اطلاعاتی ویسکانسین استفاده شده است.
یافته ها: دقت تفکیک در حالت عادی یعنی حالتی که از آنالیز اجزای اصلی و الگوریتم بهینه سازی استفاده نشده و تنها شبکه عصبی با نسبت 70-30 داده های آموزش به تست مورد استفاده قرار گیرد، 2/97% است. با بکارگیری آنالیز اجزای اصلی و کاهش 9 ویژگی به 8 ویژگی دقت به 5/98 می رسد. نهایتا با استفاده از الگوریتم بهینه سازی جغرافیای زیستی همراه با اعتبار سنجی ضربدری 10 گانه دقت به 100% رسیده که به میزان قابل توجهی از نتایج بدست آمده از مطالعات دیگر موفق ‏تر است.
نتیجه‏ گیری: استفاده از این الگوریتم می‏تواند عملکرد شبکه عصبی را بهبود دهد. مقایسه روش ارایه شده با حالت بهینه نشده و در حالتی که فقط ازPCA و شبکه عصبی استفاده شده است، عملکرد بهینه این روش را نشان داد. نتایج حاکی از آن است که مدل ارایه شده در این مقاله دقت بسیار بالایی در تفکیک داده های سرطان پستان دارا می باشد و می توان از آن جهت تشخیص نهایی این سرطان استفاده نمود.