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

مقدمه: در حال حاضر، سرطان پستان از شایعترین بیماریهای زنان است. دستهبندی دقیق تومور سرطان پستان نقش کلیدی را در امر تشخیص پزشکی ایفا میکند. متخصصین به دنبال روشهای بهینه جهت بهبود تشخیص این تومور میباشند. روش بررسی: در این مطالعه شبکه عصبی مبتنی بر جغرافیای زیستی ارایه گردیده که با استفاده از آنالیز اجزای اصلی در مرحله آمادهسازی و بروز رسانی همزمان وزنها موفق به دستهبندی دادهها به عنوان خوشخیم یا بدخیم میگردد. جهت ارزیابی الگوریتم ارایه شده از دادههای بانک اطلاعاتی ویسکانسین استفاده شده است. یافتهها: دقت تفکیک در حالت عادی یعنی حالتی که از آنالیز اجزای اصلی و الگوریتم بهینه سازی استفاده نشده و تنها شبکه عصبی با نسبت 07-07دادههای آموزش به تست مورد استفاده قرار گیرد، %70/2است. با بکارگیری آنالیز اجزای اصلی و کاهش 7ویژگی به 8ویژگی دقت به 78/5میرسد. نهایتا با استفاده از الگوریتم بهینه سازی جغرافیای زیستی همراه با اعتبار سنجی ضربدری 07گانه دقت به %077رسیده که به میزان قابل توجهی از نتایج بدست آمده از مطالعات دیگر موفقتر است. نتیجهگیری: استفاده از این الگوریتم میتواند عملکرد شبکه عصبی را بهبود دهد. مقایسه روش ارایه شده با حالت بهینه نشده و در حالتی که فقط از PCAو 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 دادههای سرطان پستان دارا میباشد و می توان از آن جهت تشخیص نهایی این سرطان استفاده نمود

بهینه سازی جغرافیای زیستی، آنالیز اجزای مستقل، شبکه عصبی پرسپترون چند لایه، الگوریتم پس انتشار