معرفی یک سیستم هوشمند برای تشخیص دقیق سرطان پستان

مقدمه: تشخیص به موقع سرطان پستان به طور چشمگیری مرگ­ومیر 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 می­شود به صورت هوشمند و ماشینی انجام گیرد.روش بررسی­: مراحل ایجاد یک سیستم هوشمند برای تشخیص سرطان پستان عبارت اند از: ثبت تصاویر میکروسکوپیک از نمونه fna، استخراج ویژگی­های عددی از این تصاویر، انتخاب ویژگی­های تفکیک­کننده و طراحی و آزمایش طبقه­بندی­کننده مناسب. در این تحقیق از ویژگی­های آماده پایگاه داده wdbc که شامل 569 نمونه fna می­باشد، استفاده شد. برای انتخاب ویژگی روش جدیدی مبتنی بر الگوریتم بهینه­سازی ذرات دودویی (bpso) ارائه شد و سرانجام تلفیقی از طبقه­بندی­کننده­های svm برای کلاس­بندی نمونه­ها به کار گرفته شد. یافته­ها: 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 سیستم­های موجود برتری دارد.نتیجه­گیری: این تحقیق با ارائه یک الگوریتم انتخاب ویژگی کارآمد موفق شده است دقت شناسایی سیستم­های تشخیص سرطان پستان را بهبود دهد. این در حالی است که نسبت به سیستم­های مشابه از تعداد کمتری ویژگی استفاده شده است. از دیگر مزیت­های انتخاب ویژگی این است که علاوه بر تشخیص کلی، تشخیص ناهنجاری­های ناشی از بیماری را نیز ممکن می­سازد.