ارائه یک مدل بهبود یافته شبکه عصبی تجمیعی در طبقه بندی بیماران سرطان ریه

از میان انواع سرطا ن ها، سرطان ریه دارای بالاترین میزان مرگ و میر است. این مشکل ناشی از تشخیص ناحیه گره های موجود در بافت نرم ریه در مراحل اولیه می باشد. یکی از رو شهای متداول تشخیص ضایعاتو گر ه های ریوی استفاده از شبکه عصبی بوده که تا به امروز مورد استفاده محققان زیادی قرار گرفته است. عملکرد شبکه عصبی وابستگی زیادی به معماری شبکه و الگوریتم یادگیری دارد. در این مقاله از یک مدل شبکهعصبی تجمیعی به همراه الگوریتم یادگیری تطبیقی در طبقه بندی و تشخیص بیماری سرطان ریه استفاده شده است. هدف اصلی از استفاده از شبکه عصبی تجمیعی، افزایش دقت طبقه بندی و بهبود تعمیم دهی شبکه عصبی بهعلت حساسیت در تشخیص بیماری سرطان ریه است. نرخ یادگیری نیز پارامتری مهم در همگرایی شبکه عصبی بوده و بسته به مقدار آن، دقت طبقه بندی نیز میتواند متفاوت باشد. نتایج این تحقیق نشان میدهد که مدل تجمیعی شبکه عصبی با آموزش 5 شبکه به همراه نرخ یادگیری تطبیقی با بهبود 9/ 2% نسبت به شبکه عصبی استاندارد و رسیدن به دقت نهایی 3/ 94 % در مقایسه با رو ش های پیشین موفق عمل کرده است.