پیش بینی بدخیمی تومور پستان با استفاده از شبکه عصبی و الگوریتم بهینه سازی وال (WOA)

سرطان پستان به عنوان یکی از شایع ترین علل مرگ و میر در میان زنان در نظر گرفته می شود. تشخیص زودهنگام سرطان پستان شانس زنده ماندن را افزایش می دهد. مطالعه حاضر جهت پیش بینی دقیق تر و تصمیم گیری موثرتر در درمان بیماران مبتلا به سرطان پستان صورت گرفته است.

مطالعه حاضر که از نوع کاربردی و توصیفی-تحلیلی بر اساس بهره گیری از روش های کامپیوتری است، جامعه ی هدف آن متشکل از 699 مورد بیماران مبتلا به سرطان پستان خوش خیم و بدخیم با 9 متغیر ورودی روی مجموعه داده های بیماری سرطان پستان پایگاه UCI انجام شده است، قبل از نرمال سازی داده ها از الگوریتم EM برای داده کاوی استفاده شده است. سپس از مدل ترکیب شبکه عصبی مبتنی بر ساختار پرسپترون چند لایه با الگوریتم بهینه سازی وال (WOA) برای پیش بینی بدخیمی تومور پستان استفاده شده است و دقت و پیش بینی آن مورد بررسی و مقایسه قرار گرفته است.

نتایج مطالعه حاضر نشان می دهد که پس از پیش پردازش مجموعه داده های بیماری، دقت الگوریتم پیشنهادی برای داده های آموزش و آزمون به ترتیب برابر با 6/99 و 99 بوده است و همچنین دقت پیش بینی مدل پیشنهادی برابر 4/99 به دست آمد که با مقایسه صورت گرفته نسبت به روش های مختلف یادگیری ماشین در مطالعات دیگر نتیجه خوبی می باشد.

با توجه به اهمیت تشخیص زودهنگام بیماری سرطان پستان، یافته های این مطالعه می تواند به برنامه ریزان و ارائه کنندگان خدمات سلامت در برنامه های تشخیص به موقع این بیماری کمک شایانی نماید.