افزایش دقت طبقه بندی در تصاویر ماموگرافی از سرطان سینه با مجموعه داده های نامتعادل با استفاده از روش smote

در بررسی پایگاه های داده های مختلف چنین به نظر می رسد که اکثر این دادگان نامتعادل هستند و تعداد نمونه های برخی از کلاس های آن ها کمتر از نمونه های کلاس های دیگر است. به طور مثال در داده‌های پزشکی، نمونه‌های عادی معمولاً بسیار بیشتر از نمونه‌های بیمار هستند. در آموزش طبقه‌بندی‌کننده هایی نظیر ماشین بردار پشتیبان که با استفاده از داده‌های نامتعادل آموزش داده می شوند، نمونه‌های با داده های بیشتر (عادی) بهتر دسته بندی می شوند. مشکل زمانی رخ می دهد که قصد بر دسته بندی نمونه با داده های کمتر (بیماری) است. این نمونه ها معمولاً بیشتر مورد توجه هستند و از آنها داده کمتری در اختیار است لذا ممکن است در زمره کلاس های دیگر دسته بندی شوند. بنابراین هنگام دسته بندی، این کلاس‌ها از شانس انتخاب شدن پایین تری به نسبت کلاس های اکثریت برخوردار هستند. در این پژوهش، قصد بر ارائه روش برای بیش نمونه گیری از کلاس اقلیت در سطح تصویر و ایجاد تصاویر مصنوعی است. مجموعه داده مورد استفاده cbis-ddsm می باشد که در سه کلاس ابتدایی، ابتدایی بدون بازخوانی و پیشرفته دسته بندی شده است. در بین این سه کلاس، کلاس ابتدایی بدون بازخوانی کلاس اقلیت می باشد. بدلیل آنکه کلاس های موجود در این مجموعه داده متقارن نمی باشد، با استفاده از روش smote داده در کلاس اقلیت افزایش داده شد. نتایج دسته بندی کلاس اقلیت با استفاده از ماشین بردار پشتیبان قبل از استفاده از smote، احتمال خوش خیم بدون بازخوانی را 20 درصد و بعد از استفاده از آن 70 درصد پیش بینی کرد که رشد درصد تشخیص نشان دهنده کیفیت روش پیشنهادی است.