TY - JOUR ID - 103556 TI - تشخیص هوشمند سرطان پستان با انتخاب ویژگی مبتنی بر رگرسیون لجستیک و دسته‌بندی ماشین بردار پشتیبان JO - مجله علمی رایانش نرم و فناوری اطلاعات JA - JSCIT LA - fa SN - 2383-1006 AU - خنده زمین, زیبا AU - نادران طحان, مرجان AU - رشتی, محمدجواد AD - گروه کامپیوتر، دانشکده مهندسی، دانشگاه شهید چمران اهواز ،اهواز، ایران AD - گروه کامپیوتر، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران Y1 - 2020 PY - 2020 VL - 9 IS - 2 SP - 115 EP - 123 KW - سرطان پستان KW - یادگیری ماشین KW - انتخاب ویژگی KW - رگرسیون لجستیک KW - ماشین بردار پشتیبان DO - N2 - سرطان پستان شایع‌ترین سرطان در میان زنان است و وجود یک سیستم دقیق و مطمئن برای تشخیص خوش‌خیم و یا بدخیم بودن توده سرطان ضروری است. امروزه با استفاده از نتایج سیتولوژی آسپیراسیون سوزنی، تکنیک‌های داده‌کاوی و یادگیری ماشین می‌توان شناسایی و تشخیص زود هنگام سرطان پستان را با دقت بالاتری انجام داد. در این مقاله روشی پیشنهاد شده است که شامل دو مرحله است: در مرحله اول برای حذف ویژگی‌های کم اهمیت‌تر، از رگرسیون لجستیک استفاده شده است تا ویژگی‌های مهم‌تر انتخاب شوند. در مرحله دوم، از الگوریتم طبقه‌بندی ماشین بردار پشتیبان (SVM) با سه هسته‌ی متفاوت برای تشخیص خوش خیم و بدخیم بودن نمونه‌ها استفاده شده است. برای ارزیابی کارایی روش پیشنهادی از دو مجموعه داده WBCD و WDBC و معیارهای دقت، ناحیه زیر نمودار ROC (AUC)، نرخ مثبت حقیقی، نرخ مثبت کاذب، صحت و معیار F بررسی شده‌اند. نتایج نشان می‌دهد که با استفاده از روش رگرسیون لجستیک می‌توان انتخاب ویژگی موثرتری انجام داد، به‌گونه‌ای که روش پیشنهادی از نظر دقت طبقه-بندی به دقت 69/98% می‌رسد. UR - https://jscit.nit.ac.ir/article_103556.html L1 - https://jscit.nit.ac.ir/article_103556_c1b4b5aea3381a7822a15a998fea0d26.pdf ER -