استفاده از الگوریتم جغرافیای زیستی در بهینه سازی شبکه عصبی جهت تشخیص سرطان پستان

چکیده مقدمه: در حال حاضر، سرطان پستان از شایع‏ترین بیماری­های زنان است. دسته ‏بندی دقیق تومور سرطان پستان نقش کلیدی را در امر تشخیص پزشکی ایفا می­کند. متخصصین به دنبال روش­های بهینه جهت بهبود تشخیص این تومور می‏ باشند. روش بررسی: در این مطالعه شبکه عصبی مبتنی بر جغرافیای زیستی ارایه گردیده که با استفاده از آنالیز اجزای اصلی در مرحله آماده ‏سازی و بروز رسانی همزمان وزن‏ها موفق به دسته‏بندی داده ­ها به عنوان خوش‏ خیم یا بدخیم می­گردد. جهت ارزیابی الگوریتم ارایه شده از داده‏ های بانک اطلاعاتی ویسکانسین استفاده شده است. یافته‏ ها: دقت تفکیک در حالت عادی یعنی حالتی که از آنالیز اجزای اصلی و الگوریتم بهینه سازی استفاده نشده و تنها شبکه عصبی با نسبت 70-30 داده‏های آموزش به تست مورد استفاده قرار گیرد، 2/97% است. با بکارگیری آنالیز اجزای اصلی و کاهش 9 ویژگی به 8 ویژگی دقت به 5/98 می­رسد. نهایتا با استفاده از الگوریتم بهینه سازی جغرافیای زیستی همراه با اعتبار سنجی ضربدری 10 گانه دقت به 100% رسیده که به میزان قابل توجهی از نتایج بدست آمده از مطالعات دیگر موفق ‏تر است. نتیجه‏ گیری: استفاده از این الگوریتم می‏تواند عملکرد شبکه عصبی را بهبود دهد. مقایسه روش ارایه شده با حالت بهینه نشده و در حالتی که فقط ازPCA  و شبکه عصبی استفاده شده است، عملکرد بهینه این روش را نشان داد. نتایج حاکی از آن است که مدل ارایه شده در این مقاله دقت بسیار بالایی در تفکیک داده‏ های سرطان پستان دارا می­ باشد و می توان از آن جهت تشخیص نهایی این سرطان استفاده نمود.