غلامحسین روشنی

سرطان ریه به عنوان یکی از بزرگ ترین عوامل مرگ ومیر در سراسر جهان شناخته شده است و روش های دقیق و موثر برای تشخیص آن از اهمیت بالایی برخوردارند. به واسطه پیشرفت های اخیر در حوزه یادگیری ماشین و شبکه های عصبی، امکان پیش بینی سرطان ریه براساس ویژگی های مختلف بدن و شاخص های بالینی ایجاد شده است. شبکه های عصبی پرسپترون به عنوان یک روش یادگیری ماشین، برخوردار از توانایی یادگیری الگوهای پیچیده و استخراج ویژگی های مهم از داده های بزرگ هستند که می تواند در پیش بینی دقیق سرطان ریه مؤثر باشند. در این مقاله، از شبکه های عصبی پرسپترون چندلایه برای پیش بینی سرطان ریه استفاده شده و نتایج آن برای تشخیص زودهنگام این بیماری مورد استفاده قرار گرفته است در این پژوهش با استفاده از 15 شاخص از جمله علائم بالینی، وراثت، سن و غیره اقدام به پیش بینی زودهنگام سرطان ریه شده است.در ابتدا ضریب همبستگی تمامی متغیرها نسبت به یکدیگر بررسی گردید و با توجه به نتایج به دست آمده از تمامی این شاخص ها در مدلسازی نهایی استفاده گردید. کد نویسی با استفاده از نرم افزار متلب انجام شد. شبکه ی عصبی بهینه با 1 لایه ی مخفی شامل 5 نورون و 460 ایپوک به دست آمد. 80% داده ها برای آموزش و 20 % داده ها برای مرحلة آزمون به کار برده شده است، صحت شبکه پیاده سازی شده 95 درصد بود.میانگین خطای مطلق برای داده های آموزش0.03959 و برای داده های آزمون برابر با 0.06433 بود.