معرفی یک سیستم هوشمند برای تشخیص دقیق سرطان پستان

تشخیص به موقع سرطان پستان به طور چشمگیری مرگ ومیر ناشی از آن را در جامعه زنان کاهش می دهد. آزمایش آسپیراسیون سوزنی (FNA) روشی ساده، ارزان و غیرتهاجمی برای تشخیص دقیق و زودهنگام این سرطان است که امروزه تلاش می شود به صورت هوشمند و ماشینی انجام گیرد.
مراحل ایجاد یک سیستم هوشمند برای تشخیص سرطان پستان عبارت اند از: ثبت تصاویر میکروسکوپیک از نمونه FNA، استخراج ویژگی های عددی از این تصاویر، انتخاب ویژگی های تفکیک کننده و طراحی و آزمایش طبقه بندی کننده مناسب. در این تحقیق از ویژگی های آماده پایگاه داده WDBC که شامل 569 نمونه FNA می باشد، استفاده شد. برای انتخاب ویژگی روش جدیدی مبتنی بر الگوریتم بهینه سازی ذرات دودویی (BPSO) ارائه شد و سرانجام تلفیقی از طبقه بندی کننده های SVM برای کلاس بندی نمونه ها به کار گرفته شد.
سیستم پیشنهادی با استفاده از 28 ویژگی در قالب 5 مدل SVM به دقت شناسایی 100% دست یافت. این سیستم از لحاظ دقت و تعداد ویژگی های مورد نیاز بر سیستم های موجود برتری دارد.
این تحقیق با ارائه یک الگوریتم انتخاب ویژگی کارآمد موفق شده است دقت شناسایی سیستم های تشخیص سرطان پستان را بهبود دهد. این در حالی است که نسبت به سیستم های مشابه از تعداد کمتری ویژگی استفاده شده است. از دیگر مزیت های انتخاب ویژگی این است که علاوه بر تشخیص کلی، تشخیص ناهنجاری های ناشی از بیماری را نیز ممکن می سازد.