فهرست نشریات علمی دسترسی آزاد ایران

به ‌منظور تشخیص سرطان سینه، از روش‌های مانند ماموگرافی، MRI، ماموگرافی حرارتی و تشخیص با دستگاه ساده تست سلامت سینه (برست انجل) استفاده می‌شود. روش‌های مختلف پردازش تصاویر، از جمله روش‌های مؤثر برای تشخیص انواع مختلف تومورها در سینۀ زنان است. در این مقاله از دو نوع شبکه عصبی مصنوعی استفاده می‌شود. 5 ویژگی‌های آماری استخراج شده از تصاویر ترموگرافی سینۀ زنان، برای تشخیص سرطان‌ در شبکه‌های عصبی مورد استفاده قرار گرفته شد. در این مقاله از شبکه عصبی انتشار برگشتی (شبکه 1) با روش آموزش لونبرگ-مارکودات و مقایسه نتایج آن با شبکه هیبریدی انتشار برگشتی-موجکی (شبکه 2) جهت بررسی وضعیت سینه زنان استفاده می‌شود. خروجی‌های دو شبکۀ عصبی مورد استفاده در مقاله، دارای 2 گره است که، نشان‌دهنده این است که فرد مورد نظر با اطلاعات داده شده به شبکه‌های عصبی دارای سرطان سینۀ است یا خیر؟ در شبکه (1)، ضریب همبستگی (R=0.9831) و ریشه میانگین مربع خطا (5538/.=RMSE)، به‌عنوان بهترین تابع جهت آموزش شبکه به دست آمد. در مقابل ضریب همبستگی شبکه (2)، R=0.9945 و ریشه میانگین مربع خطاء (0.4665=RMSE) حاصل گردید. زمان آموزش شبکه عصبی 45/51 ثانیه و شبکه 2، 33/68 ثانیه به دست آمد. نتایج شبکه عصبی هیبریدی انتشار برگشتی –موجکی طراحی شده نشان می‌دهد که شبکه پیشنهادی، با دقت 99/5 درصد در شناسایی سرطان سینه کارایی داشته و قادر به تشخیص وضعیت سلامت سینۀ زنان است.