تشخیص سرطان سینه با استفاده از طبقه بندهای ترکیبی جهت بهبود دقت

تشخیص زود هنگام سرطان سینه نقش بسیار کلیدی در درمان بیمار ایفا می کند. امروزه الگوریتم های داده کاوی می توانند روش های هوشمندی در نظام سلامت ارایه دهند که با دقت بالایی سرطان سینه را تشخیص دهند. هدف از انجام این مطالعه، تشخیص سرطان سینه با استفاده از طبقه بندهای ترکیبی بر روی پایگاه داده ی آماده سازی شده ی WBC و WDBC می باشد. مدل پیشنهادی ما در پایگاه داده ی WBC (کاهش ویژگی ها با CFS+ بهینه کردن نمونه ها با روش Resample+ طبقه بند ترکیبی (kstar+ جنگل تصادفی+ شبکه ی بیز و بیزین ساده))، دارای بهترین دقت تشخیص (% 100)، زمان پیاده سازی (0 ثانیه) و بدون هیچ خطایی می باشد و در پایگاه داده ی WDBC (کاهش ویژگی ها با CFS+ بهینه کردن نمونه ها با روش Resample+ طبقه بند ترکیبی (الگوریتم IBK+ شبکه ی بیز، بیزین ساده و kstar))، دارای دقت %99.29، زمان پیاده سازی 0 ثانیه و میانگین خطای مطلق 0.007 می باشد. نتایج این مطالعه نشان می دهد که با توجه به روش های طبقه بند ترکیبی بر روی پایگاه داده ی آماده سازی شده می توان سیستم های نوینی برای کمک به پزشکان طراحی نمود که موجب تسهیل در فرآیندهای تشخیصی و درمانی شوند.