بهبود تشخيص بيماري سرطان پستان با استفاده از سيستم استنتاج عصبي- فازي تطبيقي

امروزه سرطان يكي از مهم ترين عوامل مرگ‌ومير در دنيا است و سرطان پستان از شايع‌ترين آن ها در ميان زنان مي باشد. تشخيص زودهنگام اين بيماري، يكي از معضلات مهم پزشكان مي‌باشد و نقش بسيار كليدي در درمان موفق و حيات بيمار ايفا مي كند. در اين پژوهش مدل هاي مبتني بر داده‌كاوي، ارائه شده و پايگاه داده آن مشتمل بر 683 ركورد با 9 متغير باليني است كه از بيماران مبتلا به سرطان پستان بيمارستان ويسكانسين جمع‌آوري‌ شده است و در مرجع داده UCI قابل دسترس است. تشخيص سرطان پستان در دو خوشه خوش‌خيم و بدخيم صورت گرفته است. در بهترين حالت خوش خيم يا بدخيم بودن سرطان با روش‌هاي نظارت‌شده شبكه هاي عصبي پرسپترون چندلايه (MLP)، شبكه عصبي بردار يادگير (LVQ)، شبكه عصبي پايه شعاعي (RBF)، خوشه‌بندي بدون نظارت (KFC) و همچنين عصبي- فازي (ANFIS) به‌ترتيب دقت‌هاي 97.5 درصد، 97.6 درصد، 98.3 درصد ،75 درصد، 99.2 درصد به‌دست آمد. تشخيص به‌موقع سرطان پستان، ضمن كاهش هزينه‌هاي درماني بيمار، شانس درمان موفقيت‌آميز را افزايش مي دهد. در اين مطالعه ضمن تشخيص بيماري سرطان پستان، نشان داده ‌شده است كه مدل‌هاي مبتني بر استنتاج عصبي- فازي، عملكرد قابل‌قبول‌تري نسبت به ساير روش‌هاي موردمطالعه، در تشخيص بيماري سرطان پستان دارد. مدل ارائه شده مي‌تواند به‌عنوان دستيار پزشك در خدمت جامعه پزشكي قرار گيرند.