پيش بيني سرطان سينه با استفاده از روش خوشه بندي انتشار وابستگي با در نظر گرفتن وزن متغيرها

با استفاده از ابزارهاي داده كاوي در حوزه ي تشخيص پزشكي محدوديت هايي همچون هزينه هاي بالاي برخي از آزمايشات يا زمان بر بودن آن ها مرتفع مي گردد. به علاوه، وجود خطا در برخي از آزمايشات موجب شده تا روش هاي دسته بندي مورد استقبال پژوهشگران قرار گيرد. در همين راستا پژوهش جاري با تكيه بر تركيب روش هاي خوشه بندي و دسته بندي روش جديدي را براي تشخيص بدخيمي سرطان سينه ارائه نموده است كه در آن عمل تركيب با استفاده از يك الگوريتم ابتكاري تكرار شونده و الگوريتم خوشه-بندي انتشار وابستگي انجام مي شود. اين روش با استفاده از يك الگوريتم ابتكاري وزن هايي را براي متغيرها توليد نموده و براساس الگوريتم انتشار وابستگي، خوشه هاي موزون تشكيل مي دهد. سپس شماره خوشه ها به عنوان يك متغير جديد به داده ها افزوده شده و در مرحله ي بعد، الگوريتم دسته بند بر روي مجموعه داده ي اصلاح شده حاوي داده هاي اصلي و شماره ي خوشه ها اجرا مي گردد. با توجه به شاخص دقت، توليد اوزان تا رسيدن به بيشترين دقت ممكن ادامه مي يابد. بر طبق آزمايشات عددي انجام شده در اين پژوهش، تركيب الگوريتم خوشه بندي انتشار وابستگي با ميانگين دقت 36/98 داراي بيشترين دقت بوده است. به علاوه، آزمون فرض ويلكاكسون برتري شبكه ي عصبي تركيبي را نسبت به ساير روش ها مورد تأييد قرار داده است.