استفاده از دسته بندی ترکیبی مبتنی بر جداسازی نمونه های متعارف و نامتعارف برای تشخیص سرطان پستان

سرطان پستان یکی از رایج ترین انواع سرطان ها در زنان می باشد و در سال های اخیر رشد قابل توجهی در تعداد افراد مبتلا به آن گزارش شده است. با گسترش روزافزون علم استفاده از داده کاوی در پزشکی به یکی از زمینه های پرکاربرد برای بهبود سیستم های درمانی تبدیل شده است. در این تحقیق فرایند تشخیص بیماری سرطان پستان در دو مرحله انجام می شود. در مرحله اول از یک الگوریتم ژنتیک بهبودیافته برای تشخیص ویژگی های موثر در پیش بینی این بیماری استفاده شده و در مرحله دوم نمونه های متعارف و نامتعارف به منظور افزایش دقت و ایجاد مدل دسته بندی نهایی شناسایی می شوند. برای کار دسته بندی مقایسه ای بین دو مدل درخت تصمیم و ماشین بردار پشتیبان انجام شده که نتایج، برتری مدل ماشین بردار پشتیبان را نشان می دهد. نتایج آزمایش های انجام شده دقت تشخیص سرطان پستان را روی مجموعه داده های WBCD، WDBC و WPBC به ترتیب 26/99%، 55/98% و 45/98% گزارش می دهد.