انتخاب ويژگي‌هاي موثر در تشخيص سرطان پستان با استفاده از مدل‌هاي پارامتريك يادگيري ماشين

Selection of Relevant and Effective Features in Detection of Breast Cancer using Parametric Learning Methods

مقدمه: آزمايش آسپيراسيون سوزني روشي كم هزينه، آسان و سريع براي تشخيص دقيق و زود هنگام سرطان پستان است. با استفاده از خصوصيات استخراج شده از آزمايش آسپيراسيون سوزني و با كمك تكنيك هاي يادگيري ماشين مي‌توان سيستمي كارآمد را براي تشخيص سرطان پستان طراحي نمود كه با دقت بالايي خوش خيم يا بدخيم بودن تومورهاي پستان را تشخيص دهند. هدف از انجام اين مطالعه، انتخاب ويژگي‌هاي موثر در تشخيص سرطان پستان با استفاده از مدل‌هاي پارامتريك يادگيري ماشين است. روش بررسي: در اين مطالعه از داده هاي پايگاه داده WBCD موجود در UCI كه شامل 683 نمونه خوش خيم و بدخيم تومور پستان كه هر نمونه داراي 9 ويژگي است استفاده شد. سپس انتخاب ويژگي با روش پيش‌رو ‌و دسته‌بندي نوع تومور با انواع روش‏هاي پارامتريك مانند دسته‌بندي درجه دو، دسته‌بندي خطي و دسته‌بندي‌ نزديك‏ترين ميانگين انجام گرفت. يافته ها: روش پارامتريك دسته بندي‌ درجه دو با استفاده از انتخاب ويژگي پيش‌رو، بالاترين كارايي را در تشخيص سرطان پستان دارد. اين روش با انتخاب چهار ويژگيUniformity of cell size, Bare nuclei, Bland chromatin, Mitoses داراي دقت 90/98% و حساسيت 89/97% است. همچنين در همه روش‌ها ويژگي هاي Uniformity of cell size و Bare nuclei بالاترين كارايي را دارند. نتيجه گيري: نتايج اين مطالعه نشان داد كه با روش انتخاب ويژگي پيش‌رو و تكنيك هاي پارامتريك يادگيري ماشين، علاوه بر دست‌يابي به عملكرد بالا در تشخيص سرطان پستان، عوامل و ويژگي هاي اصلي در تشخيص سرطان پستان نيز شناسايي مي شوند. به نظر مي‌رسد اين ويژگي‌ها يكي از مهم‏ترين عوامل براي كمك به تشخيص سرطان پستان هستند.

Introduction: Breast cancer is the most common cancer in women. Timely and accurate diagnosis of breast cancer is one of the major challenges in this regard. FNA is a less expensive, easy and fast method for an accurate diagnosis of breast cancer. An efficient system for detection of breast cancer with high accuracy can be designed using the features extracted from FNA testing and machine learning techniques. Methods: In this study, 683 samples of benign and malignancy with 9 characteristics from Wisconsin Breast Cancer Dataset in UCI were used. Then selection of efficient features was done using forward feature selection and classification of breast tumors was done using parametric methods such as quadratic classifier, linear classifier and nearest mean classifier. Results: Quadratic classifier using forward feature selection has the best performance compared with other methods in detection of breast cancer. This method with the selection of four features namely Uniformity of cell size, bare nuclei, Bland chromatin and Mitoses achieved accuracy of 98.90? and sensitivity of 97.98%. Also in all methods, Uniformity of cell size and bare nuclei has the highest performance compared with other features. Conclusion: The results of this study showed that forward feature selection and parametric techniques can be used in diagnosis of breast cancer and selection of effective features. It seems that these features are one of the most important factors to help diagnose of breast cancer.