پیش بینی بقای سرطان سینه به کمک شبکه یادگیری عمیق و داده های چند وجهی

نویسندگان

1 کارشناسی ارشد، گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه عالی شاهرود (غیر انتفاعی)، شاهرود، ایران.

2 استادیار، گروه کامپیوتر، دانشکده فنی و مهندسی، واحد شاهرود، دانشگاه ازاد اسلامی ، شاهرود، ایران

doi
10.22038/mjms.2024.78983.4545
چکیده

سرطان سینه به‌عنوان یکی از سرطان‌های رایج و مهم، نقش بسزایی در افزایش نرخ مرگ و میر در زنان دارد. در حال حاضر، داده‌های چندوجهی مرتبط با سرطان، از جمله جزئیات ژنومی، تصاویر ماموگرافی و اطلاعات بالینی، در دسترس قرار گرفته است که این امر باعث شده تا توجه بیشتری به توسعه مدل‌های پیشرفته یادگیری عمیق برای پیش‌بینی بقای سرطان سینه شود. در این تحقیق، یک مدل یادگیری عمیق مبتنی بر شبکه‌های عصبی پیچشی با استفاده از داده‌های چندوجهی برای پیش‌بینی بقای سرطان سینه پیشنهاد می‌شود که ویژگی‌های مهمی را برای افزایش دقت این پیش‌بینی تولید می‌کند. روش پیشنهادی دارای دو فاز است؛ در فاز اول از یک شبکه عصبی پیچشی برای استخراج ویژگی‌های موثر استفاده می‌شود و در فاز دوم، این ویژگی‌ها، برای انجام فرآیند پیش‌بینی بقای سرطان سینه به کار گرفته می‌شوند. نتایج آزمایشات نشان داد که در حالتی که از داده های بالینی استفاده گردید دقت روش پیشنهادی 34/98 حاصل گردید و در حالت بدون استفاده از این داده ها دقت 21/97 حاصل گردید که حاکی از این است مدل پیشنهادی این تحقیق نسبت به مدل‌های مقایسه‌شده، بهبود قابل توجهی داشته است. به‌علاوه، نتایج نشان می‌دهند که استفاده از داده‌های بالینی در ارتقاء دقت و عملکرد مدل پیشنهادی مؤثر می‌باشد.