12 مهر 1401
غلامحسين روشني

غلامحسین روشنی

مرتبه علمی: دانشیار
نشانی:
تحصیلات: دکترای تخصصی / مهندسی هسته ای
تلفن:
دانشکده: دانشکده انرژی

مشخصات پژوهش

عنوان
تشخیص نوع سرطان سینه با استفاده از شبکه عصبی چند لایه پرسپترن
نوع پژوهش مقاله ارائه شده
کلیدواژه‌ها
سرطان سینه، تشخیص ، شبکه عصبی،MLP
پژوهشگران زهرا آذرمند (نفر اول)، غلامحسین روشنی (نفر دوم)، فاطمه امیری (نفر سوم)

چکیده

سرطان سینه شایع ترین و رایج ترین نوع سرطان در میان زنان جهان و ایران است. تشخیص زودهنگام سرطان در مراحل اولیه شانس زنده بودن بیمار را افزایش می دهد. شبکه های عصبی مصنوعی روش های بسیار کاربردی در زمینه مدل سازی، پیش بینی و تشخیص درحوزه پزشکی هستند. هدف از این مقاله طراحی سیستمی است که با استفاده از شبکه عصبی احتمالی به تشخیص نوع سرطان (خوش خیم ویا بدخیم) بپردازد. در این مطالعه یک شبکه عصبی MLP طراحی شده است که بر اساس متغییر های ورودی به تشخیص نوع سرطان سینه و درنهایت کمک به پیش آگهی بیماری بپردازد. این سیستم با استفاده از مجموعه ی داده های مربوط به بیماران مبتلا به سرطان سینه ثبت شده در بیمارستان ویسکانسین طراحی شده است. به منظور پیاده سازی شبکه از توابع موجود در نرم افزار MATLAB استفاده گردید و 70 % داده ها برای آموزش شبکه و 30 % داده ها برای مرحله تست به کار برده شد. از 9 متغییری که از آزمایش آسپیراسیون سوزنی خارج شده و در بانک داده های بیمارستان ویسکانسین ثبت شده به عنوان ورودی شبکه اعمال شده است و دقت شبکه موردبررسی قرار گرفت.پس از شبیه سازی شبکه در محیط برنامه نویسی MATLAB برای 9 متغییر ورودی ، شبکه با دقت4/99 % عملکرد خود را نشان داد. نتایج این مطالعه نشان می دهد که شبکه عصبی MLP طراحی شده در تشخیص و پیش بینی نوع سرطان سینه قدرتمند تر از سایر شبکه های مصنوعی عمل کرده است.