تشخیص بیماری سرطان دهانه رحم به کمک شبکه عصبی با جمع آوری داده¬ها به صورت برخط

چکیده مقاله

پیشرفت فناوری در حوزه هوش مصنوعی و اینترنت اشیا باعث سرعت و دقت بالا در تشخیص بیماری¬ها شده است. سیستم¬های فناوری اطلاعات سلامت یکی از به روزترین زمینه¬های اخیر است که با بکارگیری هوش محاسباتی می¬تواند در تشخیص بیماری¬ها کمک نماید. برای افزایش دقت و اطمینان بیشتر به این سیستم¬ها، باید داده¬های ورودی را قبل از اعمال روش¬های یادگیری ماشین پیش پردازش کرد. ما در این مقاله، علاوه بر روش¬های پیش پردازش معمول، برای مدیریت داده¬های ازدست رفته و متعادل سازی داده¬های دسته¬های مختلف مدلی پیشنهاد کردیم. همچنین جهت ارزیابی مدل پیشنهادی از چندین شبکه یادگیری ماشین استفاده شده است. نتایج پیاده¬سازی¬ها بر روی داده¬های پایگاه داده UCI مربوط به تشخیص سرطان رحم نشان می¬دهند که با کاربرد این مدل، اجرای شبکه رایجی مانند SVM به راحتی به دقت 98 درصد می¬رسد. همچنین بهترین عملکرد در هر دو حالت (بدون متوازن سازی و با متوازن سازی) متعلق به شبکه XGBoost بوده است. علاوه بر این یک برنامه کاربردی طراحی شده که قابلیت ارسال اطلاعات بیمار به پزشک را دارد و به پزشک در حفظ امنیت و در دسترس بودن اطلاعات کمک می¬کند.