روش یادگیری ماشین LDA-LR۱ برای تشخیص سرطان سینه در زنان

سرطان سینه بیماری شایعی است که زنان را مبتلا میکند و تشخیص زود هنگام آن درمان این بیماری را تسریع میبخشد. اخیرا تکنیکهای یادگیری ماشین در بیوپزشکی و انفورماتیک برای کمک به مبارزه با سرطان سینه به کار گرفته شدهاند. استخراج اطلاعات از دادهها برای تشخیص بالینی سرطان سینه یک کار خسته کننده و وقت گیر است. استفاده از تکنیکهای یادگیری ماشین و استخراج ویژگی، فرآیند تشخیص سرطان سینه را به طور قابل توجهی تغییر داده است. این مقاله یک مدل یادگیری ماشین را برای طبقه بندی سرطان سینه پیشنهاد میکند. بدین منظور مجموعه داده ی WBCD۲ مورد مطالعه گرفته است. دادههای از دست رفته در این مجموعه داده با مقادیر میانگین و میانه پر میشوند. برای استخراج ویژگی از روش های PCA۳ و LDA۴ استفاده شده است نتایج شبیه سازی نشان میدهد که در صورت استفاده از میانه ، هر سه مدل LDA-SVM۵ ، LDA-KNN ۶ و LDA-LR دقت آزمایش ۹۹,۲۹ درصدی دارند و همچنین روش LDA-LR حتی در صورت استفاده از میانگین به جای دادههای از دست رفته باز هم دقتی برابر ۹۹,۲۹ درصد دارد.