ارايه مدل‌ هاي هايبريدي مبتني بر فازي و الگوريتم هاي هوش جمعي مبتني بر يادگيري تجربي جهت شناسايي تومور‌هاي سينه بر اساس تحليل تصاوير ماموگرافي

در اين پژوهش، روش هوشمند فازي جهت تشخيص و مديريت عدم قطعيت در ويژگي‌هاي ورودي جهت شناسايي تومور‌هاي سينه ارائه شده است. مدل‌هاي هايبريدي فازي تكاملي به منظور افزايش كارايي سيستم و بهينه سازي نتايج استفاده شده است. هدف استفاده از مدل‌هاي مبتني بر محاسبات نرم تشخيص نوع توده‌هاي سينه براساس تحليل ويژگي‌ها در تصاوير ماموگرافي است. مدل‌هاي تركيبي پيشنهاد شده در اين پژوهش شامل فازي مبتني بر آموزش و يادگيري، فازي بهينه سازي ازدحام ذرات و فازي مبتني بر آموزش و يادگيري است. از تحليل منحني مشخصه عملكرد سيستم جهت سنجش كارايي سيستم استفاده شده است. همچنين از روش اعتبار سنجي تقاطعي 10 بخشي جهت تقسيم بندي داده‌ها به بخش‌هاي آموزش و تست استفاده شده است. روش‌ جديد هايبريدي فازي مبتني بر آموزش و يادگيري ازدحام ذرات ارايه شده، جهت تشخيص سرطان سينه، عملكرد بالاتري نسبت به روش هاي موجود داشته است. با مقايسه‌ي عملكرد مدل‌هاي هايبريدي پيشنهادي در اين پژوهش، روش هايبريدي فازي مبتني بر آموزش و يادگيري ازدحام ذرات با ميزان صحت96/27% از عملكرد بهينه‌تري نسبت به روش‌هاي پيشنهادي ديگر جهت تشخيص سرطان سينه است. نتايج حاصل از اين پژوهش مي‌تواند به منظور تشخيص به موقع و ارائه‌ي درمان‌هاي مؤثر اميد بخش باشد.