تشخیص سرطان سینه با استفاده از الگوریتم فراابتکاری چندهدفه مبتنی بر مکانیزم خوددفاعی گیاهان

  • نویسندگان: مجید عبدالرزاق نژاد, رسول تقی پور
  • کلمات کلیدی: تشخیص سرطان سینه، کاهش ویژگی، خوشه بندی k-means، طبقه بندی SVM، الگوریتم خوددفاعی گیاهان، بهینه سازی چندهدفه

تا کنون، روش‌های متنوعی به منظور فیلترکردن داده‌های استخراج شده از بیماران سرطانی و تشخیص دقیق سرطان ارایه شده است. مهمترین چالش این نوع داده‌ها، ابعاد زیاد آنهاست که باعث زمان بر شدن فرآیند تشخیص می‌گردد. در این مقاله، یک الگوریتم فراابتکاری چندهدفه برای استخراج ویژگی‌ها و تشخیص سرطان سینه ارایه شده است که بر پایه مکانیزم خوددفاعی گیاهان عمل می‌کند و مبنای کار آن مدل شکارچی-طعمه و مکانیزم‌هایی است که گیاهان برای حفظ گونه خود و در واقع تکثیر نسل خود استفاده می‌کنند. از آنجا که الگوریتم اولیه رفتاری گسسته داشته و برای مسائل با متغیرهای پیوسته کارایی لازم را ندارد، در این مقاله روشی برای پیوسته سازی آن با کمک الهام گرفتن از الگوریتم چرخه آب ارایه شده است. همچنین برای چندهدفه سازی الگوریتم از مرتب سازی جواب‌های نامغلوب و فاصله ازدحامی استفاده شده است. برای بررسی کارایی این الگوریتم، مجموعه داده استاندارد WDBC برای تشخیص تومورهای سرطانی خوشخیم و بدخیم مورد استفاده قرار گرفته است

پیوند مجله / همایش

نرم افزار همراه دانشگاه بزرگمهر

مشاهده ی اخبار و ارائه خدمات آموزشی، دانشجوئی و رفاهی به دانشجویان و اساتید دانشگاه بزرگمهر قائنات از طریق نرم افزار تلفن همراه