تشخیص هوشمند سرطان پستان با انتخاب ویژگی مبتنی بر رگرسیون لجستیک و دسته‌بندی ماشین بردار پشتیبان

سرطان پستان شایع‌ترین سرطان در میان زنان است و وجود یک سیستم دقیق و مطمئن برای تشخیص خوش‌خیم و یا بدخیم بودن توده سرطان ضروری است. امروزه با استفاده از نتایج سیتولوژی آسپیراسیون سوزنی، تکنیک‌های داده‌کاوی و یادگیری ماشین می‌توان شناسایی و تشخیص زود هنگام سرطان پستان را با دقت بالاتری انجام داد. در این مقاله روشی پیشنهاد شده است که شامل دو مرحله است: در مرحله اول برای حذف ویژگی‌های کم اهمیت‌تر، از رگرسیون لجستیک استفاده شده است تا ویژگی‌های مهم‌تر انتخاب شوند. در مرحله دوم، از الگوریتم طبقه‌بندی ماشین بردار پشتیبان (svm) با سه هسته‌ی متفاوت برای تشخیص خوش خیم و بدخیم بودن نمونه‌ها استفاده شده است. برای ارزیابی کارایی روش پیشنهادی از دو مجموعه داده wbcd و wdbc و معیارهای دقت، ناحیه زیر نمودار roc (auc)، نرخ مثبت حقیقی، نرخ مثبت کاذب، صحت و معیار f بررسی شده‌اند. نتایج نشان می‌دهد که با استفاده از روش رگرسیون لجستیک می‌توان انتخاب ویژگی موثرتری انجام داد، به‌گونه‌ای که روش پیشنهادی از نظر دقت طبقهبندی به دقت 98.69% می‌رسد.