ارائه روشی ترکیبی و بهبودیافته جهت تشخیص و طبقه بندی سرطان ریه با استفاده از استخراج ویژگی مبتنی بر الگوریتم های ‏هوش محاسباتی

هدف از این پایان نامه، ارائه روشی ترکیبی و بهبودیافته جهت تشخیص و طبقه بندی سرطان ریه با استفاده از استخراج ویژگی مبتنی بر الگوریتم های ‏هوش محاسباتی می باشد. سرطان ریه بیماری است که سلول‌های سرطانی در بافت ریه شروع به تقسیم بی‌رویه می‌کند و توانایی تنفس فرد را کاهش می‌کند. داده کاوی به منظور یافتن الگو از درون پایگاه داده های بزرگ داده و نیز پیش بینی سرطان ها با استفاده از الگوریتم های پیشبینی کننده به کار می رود. هدف از داده کاوی پیش بینی کننده در حوزه پزشکی و بالینی رسیدن به مدلی است که با استفاده از اطلاعات بیمار پیامدها را پیش بینی نموده و بر اساس آن تصمیم گرفت. پس از انجام مراحل پیش پردازش، در مرحله استخراج ویژگی و کاهش ابعاد داده، داده های اصلی سرطان ریه با استفاده از تحلیل مولفه اساسی کاهش، سپس در مرحله طبقه بندی این ویژگی های کاهش داده شده به پرسپترون چندلایه با بهینه سازی الگوریتم ژنتیک داده می شود و حساسیت و ویژگی مدل با توجه به معیار دقت بررسی می گردد. کلیه تحلیل ها با استفاده از نرم افزار matlab صورت می گیرد. نتایج نهایی به دست آمده در این مطالعه نشان دهنده برتری روش بهینه سازی شبکه عصبی با الگوریتم ژنتیک نسبت به سایر روش ها، در راستای تشخیص سرطان ریه با متوسط دقت برابر 2/99 % می باشد.