دفاعیه کارشناسی ارشد (صنایع) سیستم خبره ی داده محور تشخیص سرطان دهانه ی رحم

 | تاریخ ارسال: 1400/7/27 | 
دانشجو: آقای پیمان مردانی قهفرخی
استاد راهنما: دکتر سید احسان ملیحی
زمان: چهارشنبه ۲۸ مهر ماه ۱۴۰۰ ساعت: ۰۸:۰۰ 

لینک ورود به جلسه
چکیده
یکی از مشکلات جوامع امروزی رشد سریع میزان ابتلا به سرطان در بین مردم آن می­ باشد. هزینه­ های ناشی از انجام آزمایشات و مراحل شناسایی این بیماری تا کشف شدن آن یکی از عواملی می ­باشد که تشخیص بیماری را به تاخیر می ­اندازد، به همین دلیل وجود یک الگوریتم و سیستم هوشمند می­ تواند در سرعت تشخیص و کاهش هزینه­ ها و زمان موثر باشد. سرطان دهانه­ ی رحم نیز که یکی از سرطان­ های رایج در بین زنان می­ باشد از این قاعده مستثنی نمی­ باشد. در این پژوهش با کمک پزشک خبره ریسک فاکتورهای این سرطان بررسی شده است و براساس آن­ها داده­ ای از پژوهش­ های پیشین که شامل ۸۵۸ بیمار و ۳۲ ویژگی می­ باشد، دریافت شده است. در رابطه با این موضوع تاکنون پژوهش­ هایی با اهداف متفاوت انجام شده است که عملکرد و دقت بالایی نداشته ­اند و میزان استفاده­ ی آن­ها از الگوریتم­ های جدید بسیار کم است. به­ منظور افزایش دقت و سایر پارامترها و همچنین استخراج ریسک فاکتورهای مهم این سرطان، ابتدا پایگاه داده پیش پردازش و پاکسازی شده است و در ادامه با استفاده از سه الگوریتم فراابتکاری گرگ خاکستری، ملخ و خفاش که در سال­ های اخیر ابداع شده ­اند، انتخاب ویژگی انجام شده و داده­ ها کاهش ابعاد یافته ­اند. با استفاده از الگوریتم ­های یادگیری گروهی آدابوست، جنگل تصادفی و گرادیانت تقویت شده، داده ­های کاهش ابعاد یافته برای تشخیص سرطان پردازش شده و خروجی­ها براساس پارامترهای مختلف گزارش شده است که الگوریتم گرگ خاکستری و آدابوست و متغییر هدف اول با داشتن دقت ۰.۹۹۴، حساسیت ۰.۸۶۶، خصوصیت ۱ و سطح زیر منحنی عملکرد ۰.۹۶۲ به­عنوان بهترین مدل شناخته شده است، که در مقایسه با پژوهش­ های پیشین عملکرد بهتری داشته است.
کلمات کلیدی: یادگیری ماشین، سرطان، انتخاب ویژگی، الگوریتم­ های فراابتکاری، یادگیری گروهی



CAPTCHA

مطالب مشابه


دفعات مشاهده: 141 بار   |   دفعات چاپ: 22 بار   |   دفعات ارسال به دیگران: 0 بار   |   0 نظر