ارائه يك سيستم خبره مبتني بر الگوريتم‌هاي داده‌كاوي جهت تشخيص سرطان سينه بر مبناي طب سنتي

سرطان سينه كه پس از سرطان ريه دومين سرطان شايع دنيا شناخته مي شود، هر ساله بيش از 1 ميليون و نهصد هزار زن را مورد حمله قرار مي‌دهد ويكي از مهمترين علل مرگ و مير زنان در سراسر جهان است. تاكنون الگوريتم‌هاي داده كاوي مختلفي با كمك داده هاي پزشكي براي ساخت مدل پيش‌بيني‌كننده سرطان سينه به كار رفته شده است. يكي از الگوريتم‌هاي پركاربرد در تحقيقات داده كاوي مربوط به تشخيص سرطان سينه، SVM مي‌باشد. نكته مهم در استفاده از اين الگوريتم انتخاب كرنل است چرا كه الگوريتم با كرنل‌هاي مختلف نتايج مختلفي را به همراه دارد. همچنين نكته اساسي در تحقيقات فوق كه مبتني بر طب نوين است، نياز مبرم به تجهيزات پيشرفته پزشكي نظير آزمايشگاه‌هاي تخصصي و دستگاه‌هاي اسكن پيشرفته و بعضا روش‌هاي تهاجمي نظير عمل هاي جراحي براي بدست آوردن داده‌هاي لازم ميباشد. از آنجا كه تحقيق زيادي بر روي تاثير كرنل‌ها در عملكرد svm انجام نشده است و از طرفي باتوجه به ويژگي هاي طب سنتي در امر تشخيص سرطان و عدم نياز به تجهيزات پيشرفته جهت جمع آوري داده هاي مورد نياز، در اين پژوهش الگوريتم‌هاي داده‌كاوي تركيبي بر روي پايگاه داده جمع آوري شده كه مبتني بر علم طب سنتي و ويژگي‌هايي مانند مشكلات گوارشي، مشكلات هوازي و وضعيت مزاجي هر فرد است اعمال شده است. نتايج حاكي از آن است كه الگوريتم طبقه بند تركيبي Vote با الگوريتم SVM و كرنل RBF و خطي نرمال شده بدون اعمال كاهش بُعد، دقت 92.6٪ را به همراه داشت. كه نشاندهنده اينست كه اعمال الگوريتم‌هاي طبقه‌بند تركيبي با الگوريتم SVM و كرنل RBF بر داده هاي حاصل از طب سنتي نتايج قابل قبولي در زمينه تشخيص وپيش‌بيني سرطان سينه را به همراه دارد.