ارایه مدل های هایبریدی مبتنی بر فازی و الگوریتم های هوش جمعی مبتنی بر یادگیری تجربی جهت شناسایی تومور های سینه بر اساس تحلیل تصاویر ماموگرافی

در این پژوهش، روش هوشمند فازی جهت تشخیص و مدیریت عدم قطعیت در ویژگی های ورودی جهت شناسایی تومور های سینه ارایه شده است. مدل های هایبریدی فازی- تکاملی به منظور افزایش کارایی سیستم و بهینه سازی نتایج استفاده شده است. هدف استفاده از مدل های مبتنی بر محاسبات نرم تشخیص نوع توده های سینه براساس تحلیل ویژگی ها در تصاویر ماموگرافی است. مدل های ترکیبی پیشنهاد شده در این پژوهش شامل فازی- مبتنی بر آموزش و یادگیری، فازی- بهینه سازی ازدحام ذرات و فازی- مبتنی بر آموزش و یادگیری است. از تحلیل منحنی مشخصه عملکرد سیستم جهت سنجش کارایی سیستم استفاده شده است. همچنین از روش اعتبار سنجی تقاطعی 10 بخشی جهت تقسیم بندی داده ها به بخش های آموزش و تست استفاده شده است. روش جدید هایبریدی فازی- مبتنی بر آموزش و یادگیری- ازدحام ذرات ارایه شده، جهت تشخیص سرطان سینه، عملکرد بالاتری نسبت به روش های موجود داشته است. با مقایسه ی عملکرد مدل های هایبریدی پیشنهادی در این پژوهش، روش هایبریدی فازی- مبتنی بر آموزش و یادگیری- ازدحام ذرات با میزان صحت96/27% از عملکرد بهینه تری نسبت به روش های پیشنهادی دیگر جهت تشخیص سرطان سینه است. نتایج حاصل از این پژوهش می تواند به منظور تشخیص به موقع و ارایه ی درمان های موثر امید بخش باشد.