مقايسه شبكه عصبي انتشار برگشتي با شبكه هيبريدي انتشار برگشتي-موجكي جهت تشخيص سرطان سينه‌، بر اساس ويژگي‌ هاي آماري استخراج شده از تصاوير ترموگرافي سينۀ زنان

به ‌منظور تشخيص سرطان سينه، از روش‌ هاي مانند ماموگرافي، MRI، ماموگرافي حرارتي و تشخيص با دستگاه ساده تست سلامت سينه (برست انجل) استفاده مي‌شود. روش‌هاي مختلف پردازش تصاوير، از جمله روش‌هاي مؤثر براي تشخيص انواع مختلف تومورها در سينۀ زنان است. در اين مقاله از دو نوع شبكه عصبي مصنوعي استفاده مي‌شود. 5 ويژگي‌هاي آماري استخراج شده از تصاوير ترموگرافي سينۀ زنان، براي تشخيص سرطان‌ در شبكه‌هاي عصبي مورد استفاده قرار گرفته شد. در اين مقاله از شبكه عصبي انتشار برگشتي (شبكه 1) با روش آموزش لونبرگ-ماركودات و مقايسه نتايج آن با شبكه هيبريدي انتشار برگشتي-موجكي (شبكه 2) جهت بررسي وضعيت سينه زنان استفاده مي‌شود. خروجي‌هاي دو شبكۀ عصبي مورد استفاده در مقاله، داراي 2 گره است كه، نشان‌دهنده اين است كه فرد مورد نظر با اطلاعات داده شده به شبكه‌هاي عصبي داراي سرطان سينۀ است يا خير؟ در شبكه (1)، ضريب همبستگي (R=0.9831) و ريشه ميانگين مربع خطا (5538/.=RMSE)، به‌عنوان بهترين تابع جهت آموزش شبكه به دست آمد. در مقابل ضريب همبستگي شبكه (2)، R=0.9945 و ريشه ميانگين مربع خطاء (0.4665=RMSE) حاصل گرديد. زمان آموزش شبكه عصبي 45/51 ثانيه و شبكه 2، 33/68 ثانيه به دست آمد. نتايج شبكه عصبي هيبريدي انتشار برگشتي –موجكي طراحي شده نشان مي‌دهد كه شبكه پيشنهادي، با دقت 99/5 درصد در شناسايي سرطان سينه كارايي داشته و قادر به تشخيص وضعيت سلامت سينۀ زنان است.