روش جدید بر پایه تحلیل مولفه اساسی و پرسپترون چندلایه با بهینه سازی الگوریتم ژنتیک برای تشخیص بیماری سرطان ریه

سرطان ریه جزء اولین سرطان های شناخته شده محسوب می گردد. تشخیص زودهنگام این سرطان سبب کاهش طول درمان و صرف هزینه های سرسام آور درمانی و عامل اصلی در بقاء و زنده ماندن افراد است. در سال های اخیر بهره مندی از روش های کامپیوتری در استفاده از داده کاوی و الگوریتم های هوشمند، سبب تسریع در تشخیص زودهنگام این سرطان شده است. هدف این مقاله ارزیابی نقش روش جدید بر پایه تحلیل مولفه اساسی و پرسپترون چندلایه با بهینه سازی الگوریتم ژنتیک برای تشخیص بیماری سرطان ریه مد نظر است.

در این مطالعه، داده های مورد استفاده از پایگاه داده یادگیری ماشین UCI شامل 32 پرونده بیمار با 57 ویژگی استخراج شد. پس از انجام مراحل پیش پردازش، در مرحله استخراج ویژگی و کاهش ابعاد داده، داده های اصلی سرطان ریه با استفاده از تحلیل مولفه اساسی به 17 ویژگی کاهش یافت. سپس در مرحله طبقه بندی این ویژگی های کاهش داده شده به پرسپترون چندلایه با بهینه سازی الگوریتم ژنتیک داده شد و حساسیت و ویژگی مدل با توجه به معیارهای دقت، حساسیت و صحت بررسی گردید. کلیه تحلیل ها با استفاده از نرم افزار MATLAB و SPSS صورت گرفت.

یافته ها:

 برای مدل پیشنهادی، نتایج حاصل از شبیه سازی ها به ترتیب میانگین پارامترهای دقت طبقه بندی، حساسیت و صحت، 65/98، 98، 16/99 درصد بدست آمد.

نتایج حاصل از داده های واقعی نشان می دهد که سیستم پیشنهادی در تشخیص سرطان ریه بسیار موثرتر و سریع تر از سایر روش ها بوده است و می تواند برای برنامه های کاربردی بالینی به عنوان دستیار پزشک مورد استفاده قرارگیرد.