تشخیص سرطان پستان با استفاده از برآورد ناپارمتری چگالی احتمال مبتنی بر روش‌‌های هسته‌ای

مقدمه: سرطان پستان شایع ترین سرطان در میان زنان است و وجود یک سیستم دقیق و مطمئن برای تشخیص به موقع و خوش خیم بودن یا بدخیم بودن توده سرطان ضروری به نظر می رسد. با استفاده از نتایج سیتولوژی آسپیراسیون سوزنی و تکنیک های داده کاوی و یادگیری ماشین می توان روش های نوینی را برای شناسایی و تشخیص زود هنگام سرطان پستان ارائه کرد که با دقت بالایی قادر به تشخیص سرطان پستان باشند. روش کار: در این مطالعه از داده های پایگاه داده wbcd شامل 699 نمونه خوش خیم و بدخیم پستان با 9 ویژگی وwdcb شامل 569 نمونه خوش خیم و بدخیم با 30 ویژگی استفاده شد و سپس به ارائه مدلی برای طبقه بندی مجموعه داه های wbcd و wdbc با استفاده از روش های تخمین چگالی مبتنی بر هسته پرداخته شد. نتایج: نتایج بررسی روش های غیر پارامتری بر پایگاه داده wdbc نشان داد که روش برآورد چگالی هسته ای گوسین مبتنی بر فاصله اقلیدسی با دقت 93/97٪ بالاترین دقت را در میان سایر روش ها دارد و روش های برآورد چگالی هسته ای گوسین مبتنی بر فاصله اقلیدسی و k نزدیکترین همسایه با دقت 17/98٪ بالاترین دقت را در میان سایر روش ها برای تشخیص سرطان پستان بر روی پایگاه داده wbcd دارند. نتیجه گیری: نتایج این مطالعه نشان داد که روش های ناپارامتری چگالی احتمال مبتنی بر روش های هسته ای می تواند با دقت بالایی برای تشخیص سرطان پستان به کار رود.