پیاده سازی سیستم تصمیم یار مبتنی بر شبکه عصبی احتمالی جهت تشخیص نوع سرطان پستان

سرطان پستان رایج ترین شکل سرطان در زنان است. تشخیص به موقع سرطان شانس زنده ماندن بیمار را افزایش می دهد. شبکه های عصبی مصنوعی از روش های نوین مدل سازی و پیش بینی هستند. هدف از این مطالعه تشخیص خوش خیم یا بدخیم بودن توده های سرطان پستان است که برای این منظور سیستم تصمیم یار مبتنی بر شبکه عصبی احتمالی طراحی شد.
در این مطالعه یک شبکه عصبی احتمالی طراحی شد که بر اساس متغیرهای ورودی به پیشگویی نوع سرطان پستان پرداخته است. سیستم طراحی شده با استفاده از مجموعه داده مربوط به بیماران مبتلا به سرطان پستان بیمارستان ویسکانسین، موجود در انبار داده یادگیری ماشین دانشگاه ایروین، کالیفرنیا که شامل 683 مورد بود، ارزیابی شد. داده های موجود در این مجموعه پیش پردازش شدند پس ازآن داده ها با روش خطی نرمال شدند. به منظور پیاده سازی شبکه از امکانات و توابع موجود در نرم افزار MATLAB بهره گرفته شد و از 65% داده ها جهت مرحله آموزش شبکه و از 35% باقیمانده جهت مرحله آزمون شبکه استفاده شد. از 9 متغیر بالینی به عنوان ورودی شبکه استفاده شد. معیارهای حساسیت، اختصاصیت و صحت جهت ارزیابی در مرحله آزمون شبکه استفاده شد.
پس از شبیه سازی سیستم تصمیم یار با استفاده از شبکه عصبی احتمالی، پارامترهای حساسیت، اختصاصیت و صحت به کمک این سیستم به ترتیب معادل اعداد 1، 98/0 و 99/0 به دست آمد.
نتایج مطالعه نشان داد عملکرد شبکه عصبی احتمالی در تشخیص نوع سرطان پستان بهتر و قوی تر از سایر شبکه های عصبی مصنوعی بوده است. به علاوه شبکه پیاده سازی شده در این مقاله دارای سرعت بیشتر در فرایند آموزش و تعمیم پذیری بهتری نسبت به موارد مشابه بوده است.