تشخيص سرطان پستان با استفاده از برآورد ناپارمتري چگالي احتمال مبتني بر روش‌‌هاي هسته‌اي

مقدمه: سرطان پستان شايع ترين سرطان در ميان زنان است و وجود يك سيستم دقيق و مطمئن براي تشخيص به موقع و خوش خيم بودن يا بدخيم بودن توده سرطان ضروري به نظر مي رسد. با استفاده از نتايج سيتولوژي آسپيراسيون سوزني و تكنيك هاي داده كاوي و يادگيري ماشين مي توان روش هاي نويني را براي شناسايي و تشخيص زود هنگام سرطان پستان ارائه كرد كه با دقت بالايي قادر به تشخيص سرطان پستان باشند. روش كار: در اين مطالعه از داده هاي پايگاه داده WBCD شامل 699 نمونه خوش خيم و بدخيم پستان با 9 ويژگي وWDCB شامل 569 نمونه خوش خيم و بدخيم با 30 ويژگي استفاده شد و سپس به ارائه مدلي براي طبقه بندي مجموعه داه هاي WBCD و WDBC با استفاده از روش هاي تخمين چگالي مبتني بر هسته پرداخته شد. نتايج: نتايج بررسي روش هاي غير پارامتري بر پايگاه داده WDBC نشان داد كه روش برآورد چگالي هسته اي گوسين مبتني بر فاصله اقليدسي با دقت 93/97٪ بالاترين دقت را در ميان ساير روش ها دارد و روش هاي برآورد چگالي هسته اي گوسين مبتني بر فاصله اقليدسي و k نزديكترين همسايه با دقت 17/98٪ بالاترين دقت را در ميان ساير روش ها براي تشخيص سرطان پستان بر روي پايگاه داده WBCD دارند. نتيجه گيري: نتايج اين مطالعه نشان داد كه روش هاي ناپارامتري چگالي احتمال مبتني بر روش هاي هسته اي مي تواند با دقت بالايي براي تشخيص سرطان پستان به كار رود.