بخشی از مقاله
چکیده:
شبکه های عصبی مصنوعی یکی از متداولترین روشهای طبقهبندی و تشخیص سرطان سینه میباشد که علیرغم دقت بالا در کار با حجم بالای دادهها با مشکل مواجه شده و زمان محاسباتی نسبتا بالایی دارد. ماشین یادگیری حداکثر گسترشی بر شبکههای عصبی مصنوعی است که سرعت اجرای بالایی دارد اما زمانی که دادهها دارای پراکندگی بالا میباشند، عملکرد مناسبی ندارد.
برای این منظور ما یک رویکرد ترکیبی مبتنی بر خوشهبندی و طبقهبندی ارایه میدهیم که در این مقاله از روش خوشه بندی نگاشت خود سازمانیافته به منظور ایجاد گروههایی از دادهها با رفتار مشابه استفاده میکنیم. به منظور طبقهبندی دادهها از ماشین یادگیری حداکثر استفاده میشود. روش پیشنهادی به گونهای طراحی شده است که با خوشهبندی دادهها و استفاده از شبکه عصبی برای هر خوشه، ناهمگنی دادههای ورودی به شبکه عصبی کاهش مییابد.
رویکرد پیشنهادی بر روی مجموعه داده ویسکانسین اجرا و مورد ارزیابی قرار گرفته شده،که نتایج نشاندهنده عملکرد بهتر روش پیشنهادی میباشد. روش ترکیبی پیشنهادی 1,2 درصد نسبت به روش شبکه عصبی مصنوعی به تنهایی به شکل بهکاررفته در مقاله [1] بهبود داده شده است.
.1 مقدمه
سرطان سینه4شایع ترین سرطان در بین زنان است که در سال 2012 حدود 1,7 میلیون مورد جدید توسط مرکز کنترل و پیشگیری بیماری5و صندوق تحقیقات سرطانی جهانی6گزارش شده است
سرطان سینه، رشد بدخیم سلول های سرطانی در بافت پستان است. در بیماری سرطان، سلول ها به صورت کنترل نشده ای رشد می کنند. نیوزلند، امریکای شمالی، اروپای غربی، اروپای شمالی، اروپای جنوبی، اروپای شرقی، جنوب امریکا، آسیای شرقی، کارایب - بین امریکای جنوبی و امریکای مرکزی - ، افریقای جنوبی، آسیای غربی، مِلانِزی - ناحیهای است که از کناره غربی اقیانوس آرام شرقی تا دریای آرافورا در شمال و شمال شرقی استرالیا ادامه دارد - آسیای جنوب شرقی، آسیای شرقی، امریکای مرکزی، افریقای شمالی، افریقای شرقی، آسیای مرکزی جنوبی و غرب افریقا را به عنوان کشورهای سرطان خیز می شناسند.
زن بودن، مهمترین عامل احتمال بروز سرطان پستان است. اگرچه مردان نیز به این سرطان مبتلا میشوند اما احتمال آن در زنان ببیش از صد برابر است. سن ابتلا به سرطان پستان در ایران 10 تا 12 سال کمتر از کشورهای توسعهیافته است و سالانه حدود 10 هزار نفر به سرطان پستان در کشور مبتلا می شوند که 98 تا 99 درصد سرطان پستان در زنان اتفاق میافتد. متوسط سن ابتلا در ایران 50 سال است. نیمی از افراد مبتلا به سرطان پستان زیر 50 سال و نیمی از آنها بالای 50 سال دارند. این عدد کمتر از کشورهای در حال توسعه است و پیشبینی میشود در دو دهه آینده در ایران حدود 70 تا 80 درصد افزایش داشته باشیم. یک پارامتر مهم در افزایش طول عمر مبتلا به تومورهای خوش خیم و بدخیم ، تشخیص سریع آن و شروع درمان در مراحل اولیه سرطان می باشد. بنابراین ارایه راهکارهایی به منظور تشخیص در مراحل اولیه همواره یک چالش جدی برای این زمینه محسوب می شود که تمرکز اصلی این مقاله تمرکز بر این موضوع با نگاهی به روش های یادگیری ماشین و هوش مصنوعی می باشد .
احتمال زنده ماندن پس از 5 سال در سرطان سینه برابر %14 است اما در صورتی که آن در مراحل اولیه - مرحله یک و دو - تشخیص داده شود، امید به زنده ماندن بیمار به بیش از 60 تا %70 می رسد. شناسایی سرطان سینه در مراحل اولیه بسیار مشکل است چرا که نشانه های سرطان در مراحل پیشرفته نمایان می شوند .[1] بنابراین تشخیص سرطان سینه در مراحل اولیه تنها راه حل علیه این بیماری است که به تاخیر انداختن مرگ در مبتلایان می انجامد.
-2 نگاشت خود سازمان یافته
نگاشت خودسازمانیافته نوعی شبکه عصبی است که با استفاده از یادگیری غیرنظارتی - Unsupervised learning - آموزش داده شده و نمایشی با بعد کم - معمولاً دو بعد - و تفکیک شده از دادههای ورودی به نام نقشه - Map - تولید میکند.
شکل - 1 نگاشت خود سازمان یافته
-3 ماشین یادگیری حداکثر
یادگیری ماشین حداکثر یک معماری شبکه عصبی مصنوعی بر اساس نگاشت تصادفی می باشد. این شبکه عصبی دارای یک لایه خروجی است که وزن ها از طریق تجزیه و تحلیل تعیین می شوند. آموزش و پیش بینی این نوع شبکه عصبی در مقایسه با دیگر روش های غیرخطی سریعتر می باشند. از مزایای آن این است که ماشین یادگیری حداکثر دارای سرعت بالا در مرحله یادگیری می باشد.
از محدودیت هایی آن میتوان به اینکه ،نمی تواند برای حجم بالای داده ها مورد استفاده قرار گیرد که یکی از مهم ترین چالش های یادگیری ماشین وجود داده های ذخیره شده بالا در مجموعه داده ها می باشد
