تشخيص هوشمند سرطان حنجره با استفاده از روش‌هاي يادگيري ماشين

مقدمه: سرطان حنجره بر اساس عوامل مختلف مي‌توانند خوش‌خيم يا بدخيم باشند. هدف اين پژوهش بهبود مدلي مبتني بر يادگيري ماشين جهت ارتقاء تشخيص افراد درگير با سرطان حنجره مي‌باشد.  روش كار: گام نخست، صداهاي افرادي كه به مراكز درماني مراجعه كرده‌اند (شامل آواهاي (آ)، (اي)، (او)) ضبط شده و به عنوان مجموعه داده در نظر گرفته شده‌اند؛ در گام دوم داده‌ها توسط پزشك متخصص به سه كلاس سرطان خوش‌خيم، سرطان بدخيم و سالم تقسيم شده‌اند؛ در گام سوم مرحله پاكسازي داده‌ها انجام شده است؛ در گام چهارم ويژگي‌هاي مرتبط با صدا از داده‌ها استخراج و در گام پنجم، 5 مدل يادگيري ماشين SVM، Decision Tree، Naïve Bayes، MLP  و  Random Forest بر روي مجموعه داده‌ها پياده‌سازي شده است و در آخر با استفاده از معيارهاي ارزيابي مانند دقت، F-score  و ديگر معيارهاي ارزيابي، عملكرد مدل‌ها ارزيابي شده است. يافته‌ها: نتايج پياده‌سازي نشان داد كه مدل SVM براي آواي (آ)  و آواي (او)  با دقت 0/818، دقت بالاتري نسبت به ساير مدل‌ها از خود نشان داده است، آواي  (اي) با دقت 0/818 در مدل MLP بالاترين دقت را دارا مي‌باشد.نتيجه‌گيري: پژوهش حاضر،  به ارزيابي مدل‌هاي يادگيري ماشين براي تشخيص سرطان حنجره بر اساس داده‌هاي صوتي پرداخته است، نتايج نشان داد كه استفاده از مدل SVM براي تشخيص سرطان حنجره مي‌تواند با دقت بيشتري در تشخيص اين بيماري كمك كند و ارائه نتايج قابل اعتمادي را فراهم آورد.