پیش‌بینی بدخیمی تومور پستان با استفاده از شبکه عصبی و الگوریتم بهینه‌سازی وال (woa)

مقدمه: سرطان پستان به عنوان یکی از شایع ترین علل مرگ و میر در میان زنان در نظر گرفته می شود. تشخیص زودهنگام سرطان پستان شانس زنده ماندن را افزایش می دهد. مطالعه حاضر جهت پیش بینی دقیق تر و تصمیم گیری موثرتر در درمان بیماران مبتلا به سرطان پستان صورت گرفته است.روش بررسی : مطالعه حاضر که از نوع کاربردی و توصیفیتحلیلی بر اساس بهره گیری از روش های کامپیوتری است، جامعه ی هدف آن متشکل از 699 مورد بیماران مبتلا به سرطان پستان خوش خیم و بدخیم با 9 متغیر ورودی روی مجموعه داده های بیماری سرطان پستان پایگاه uci انجام شده است، قبل از نرمال سازی داده ها از الگوریتم em برای داده کاوی استفاده شده است. سپس از مدل ترکیب شبکه عصبی مبتنی بر ساختار پرسپترون چند لایه با الگوریتم بهینه سازی وال (woa) برای پیش بینی بدخیمی تومور پستان استفاده شده است و دقت و پیش بینی آن مورد بررسی و مقایسه قرار گرفته است.یافته ها: نتایج مطالعه حاضر نشان می دهد که پس از پیش پردازش مجموعه داده های بیماری، دقت الگوریتم پیشنهادی برای داده های آموزش و آزمون به ترتیب برابر با 99.6 و 99 بوده است و همچنین دقت پیش بینی مدل پیشنهادی برابر 99.4 به دست آمد که با مقایسه صورت گرفته نسبت به روش های مختلف یادگیری ماشین در مطالعات دیگر نتیجه خوبی می باشد.نتیجه گیری: با توجه به اهمیت تشخیص زودهنگام بیماری سرطان پستان، یافته های این مطالعه می تواند به برنامه ریزان و ارائه کنندگان خدمات سلامت در برنامه های تشخیص به موقع این بیماری کمک شایانی نماید.

Prediction of Breast Tumor Malignancy Using Neural Network and Whale Optimization Algorithms (WOA)

Introduction: Breast cancer is the most prevalent cause of cancer mortality among women. Early diagnosis of breast cancer gives patients greater survival time. The present study aims to provide an algorithm for more accurate prediction and more effective decisionmaking in the treatment of patients with breast cancer.Methods: The present study was applied, descriptiveanalytical, based on the use of computerized methods. We obtained 699 independent records containing nine clinical variables from the UCI machine learning. The EM algorithm was used to analyze the data before normalizing them. Following that, a combination of neural network model based on multilayer perceptron structure with the Whale Optimization Algorithm (WOA) was used to predict the breast tumor malignancy.Results: After preprocessing the disease data set and reducing data dimensions, the accuracy of the proposed algorithm for training and testing data was 99.6% and 99%, respectively. The prediction accuracy of the proposed model was 99.4%, which would be a satisfying result compared to different methods of machine learning in other studies.Conclusion: Considering the importance of early diagnosis of breast cancer, the results of this study may have highly useful implications for health care providers and planners so as to achieve the early diagnosis of the disease.