تشخيص سرطان پستان با استفاده از الگوريتم فرا ابتكاري

Breast Cancer Detection with meta-heuristic Algorithms

با پيشرفت علم و تكنولوژي در فناوري اطلاعات روش هاي متعددي در حوزه سلامت مطرح شده اند و مورد آزمايش و پياده سازي قرار گرفته اند. داده كاوي تكنيك و ابزار بسيار متداولي است كه امروزه در زمينه هاي مختلفي كاربرد پيدا كرده است. تشخيص بيماري هاي مختلف در علم پزشكي، يكي از زمينه هاي پركاربرد داده كاوي محسوب مي شود كه در سال هاي اخير تحقيقات و مطالعات زيادي پيرامون آن انجام شده است. داده كاوي توانسته با تكنيك هاي مختلف از قبيل شبكه ي عصبي در اين راستا گام موثري بردارد. سرطان بيماري وحشتناكي مي باشد. ميليون ها انسان هر ساله به دليل مبتلا شدن به اين بيماري جان خود را از دست مي دهند. سرطان پستان امروزه در ميان افراد به صورت گسترده اي در حال پيشرفت بوده است و انتخاب روش درماني مناسب و تشخيص زودهنگام در روند درمان آن، بسيار ضروري مي باشد. سلول هاي سرطاني بايد به درستي تشخيص داده شود. با توجه به ضرورت تشخيص صحيح و به موقع موجود، ما در اين راستا گام برداشته و توانسته ايم با استفاده از شبكه ي عصبي و الگوريتم فراابتكاري ملخ دقت تشخيص را افزايش دهيم. در اين پژوهش توانستيم با مقايسه ي تشخيص توسط الگوريتم ژنتيك كه در مطالعات قبلي وجود داشت ثابت نماييم الگوريتم ملخ با ساختار شبكه عصبي مشابهي دقت تشخيص تومورها را بهبود بخشد. در مورد مطالعاتي مورد مقايسه دقت در تشخيص تومورهاي خوش خيم وبدخيم به طور ميانگين به ميزان 98% بوده و ما توانستيم با استفاده از الگوريتم ملخ دقت تشخيص را 1/75% افزايش داده و به ميزان 99/75% برسيم.

By advancement of science and technology in information technology, several methods have been proposed in health and have been tested and implemented. Data mining is a very common technique and tool used today in various fields. Diagnosis of various diseases in medical science is considered as one of the most widely used fields of data mining that has been carried out in recent years in many researches and studies. Data mining has been able to take effective steps in this regard with various techniques such as the neural network. Cancer is a terrible disease. Millions of people die every year because of the disease. Breast cancer today is widely evolving among people, and the choice of appropriate treatment and early diagnosis in the treatment process is very necessary. Cancer cells must be detected correctly. Considering the necessity of accurate and timely detection, we have taken steps in this direction and we have been able to increase the accuracy of the diagnosis by using the neural network and metamorphosed algorithm. In this study we were able to prove by comparing the diagnosis with the genetic algorithm that existed in previous studies. The grasshopper algorithm with the same neural network structure improves the accuracy of tumor detection. In the case study, the accuracy of diagnosis of benign and severe tumors was 98% on average and we were able to increase the diagnostic accuracy by 75.1% using the grasshopper algorithm and reaching 99.75%