دانشگاه آزاد اسلامی واحد تهران جنوب

صفحه اصلی / نخستین همایش هوش مصنوعی و پژوهش های نوظهور: همگرایی انسان و سیستم های هوشمند

مقایسه الگوریتم‌های یادگیری ماشین برای تشخیص سرطان پستان با استفاده از تصاویر FNA

نویسندگان :

سمیه عظیمی¹

1- دانشگاه آزاد اسلامی واحد تهران جنوب

کلمات کلیدی :

الگوریتم‌های یادگیری،تشخیص سرطان پستان

چکیده :

تشخیص زودهنگام سرطان پستان نقش حیاتی در بهبود نتایج درمانی دارد. در این مطالعه، چندین الگوریتم یادگیری ماشین برای تشخیص سرطان پستان از داده‌های تصویری به‌دست‌آمده از نمونه‌های FNA (Fine Needle Aspiration) مورد ارزیابی قرار گرفتند. الگوریتم‌ها شامل K-Nearest Neighbors (KNN)، Naive Bayes، Decision Tree، Random Forest، ،Neural Networ و DeepLearning بودند. نتایج نشان داد که Deep Learning با دقت پیش‌بینی 98.25٪ بهترین عملکرد را در میان مدل‌ها داشت. سایر مدل‌ها نیز عملکرد قابل‌توجهی از خود نشان دادند، به‌طوری‌که Neural Network و Random Forest به‌ترتیب با دقت‌های 97.66٪ و 96.42٪ در جایگاه‌های بعدی قرار گرفتند. در مقابل، KNN با دقت 70.76٪ و Naive Bayes با دقت 92.40٪ دقت کمتری داشتند. این نتایج نشان می‌دهند که مدل‌های پیچیده‌تر مانند Deep Learning قادر به ارائه پیش‌بینی‌های دقیق‌تری هستند و می‌توانند به‌عنوان ابزارهای مؤثر در سیستم‌های پشتیبانی تصمیم‌گیری پزشکی برای تشخیص سرطان پستان مورد استفاده قرار گیرند.