شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان SVM در متلب

شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان SVM در متلب عنوان پروژه‌ای است که در این پست قرار داده‌ایم. شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان SVM در شبیه ساز  محبوب متلب 2017 پیاده سازی شده است. این پروژه به دنبال تشخیص نوع سرطان سینه بدخیم و خوش خیم می‌پردازد و با استفاده از معیارهای دقت، صحت، F1 و Recall پیاده سازی ارزیابی می‌شود. در ادامه به تشریح روش پیاده سازی خواهیم پرداخت.

دیتاست DataSet سرطان سینه

دیتاست مورداستفاده مجموعه داده بیماران سرطان سینه موجود در مخزن داده‌ی یادگیری ماشین دانشگاه ارواین، ایالت کالیفرنیا آمریکا (University of California at Irvine) است و در آدرس آنلاین (+) آن موجود می‌باشد. و شامل ریسک فاکتورهای ضخامت انبوه، یکنواختی اندازه سلول، یکنواختی شکل سلول، چسبندگی لبه‌ها، حجم سلول بافت اپیتلیال، هسته‌های عریان، کروماتین بلاند، هسته عادی و تقسیم هسته سلول به دو قسمت می‌باشد که در ایالت ویسکانسین ایالات‌متحده جمع‌آوری‌شده است.

9 ویژگی در این ساختار مشخص است و سطر آخر نیز نمایان گر نوع کلاس است که به‌صورت خوش‌خیم (2) و بدخیم (4) مشخص‌شده است و مشخصات تعداد 699 نمونه از افراد مبتلا به سرطان در این مجموعه داده در سال 1992 جمع‌آوری‌شده است. داده‌های موجود در این مجموعه به سه دلیل بایستی پیش‌پردازش شوند. در این مجموعه داده، مقدار بعضی داده‌ها وارد نشده بود که به‌اصطلاح داده‌های گم‌شده بودند، هدف از این پیش‌پردازش این بود که داده‌های گم‌شده حذف شوند که در روند شبیه‌سازی خطا را کم کنند.

سطرهایی که شامل داده‌های گمشده بودند حذف شدند که پس‌ازاین مرحله 683 سطر باقی ماند. ازآنجاکه شماره شناسایی بیماران جزء فاکتورهای تشخیصی نوع سرطان پستان نبود در پیش پردازش داده ها حذف شدند.

شبیه سازی تشخیص سرطان سینه با الگوریتم SVM

شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان در متلب 2017 آماده شده است. که دارای 4 فایل .m می‌باشد.

• فایل main.m

این فایل تابع اصلی شبیه سازی می‌باشد که اجرای برنامه از آن شروع می‌شود. دیتاست پیش پردازش شده در متغیر IOdata ذخیره شده است 70 درصد از داده‌ها به صورت تصادفی به آموزش داده می‌شود و 30 درصد برای تست. معیارهای ارزیابی و نمودارها در این تابع فراخوانی می‌شوند.

• فایل IOdata.mat

این فایل همان دیتاست سرطان سینه می‌باشد که پیش پردازه شده و دارای 9 ویژگی می‌باشد.

• فایل confusionmatStats.m

معیارهای ارزیابی و آماری که فرمول‌های آنها در ادامه معرفی می‌شود در این قسمت پیاده سازی شده و از تابع اصلی صدا زده می‌شوند.

• فایل roc_curve.m

این فایل مربوط به رسم نمودار ROC می‌باشد که نسبت حساسیت به ویژگی را نشان می‌دهد.

خروجی شبیه سازی

به‌طورکلی برای برسی میزان موفقیت و کارایی سیستم‌های دسته‌بندی و تشخیص بیماری‌ها از ماتریس درهم ریختگی استفاده می‌شود. تحلیل ماتریس در هم ریختگی در دسته‌بندی و تشخیص بیماری‌ها منجر به 4 حالت TP, TN, FP, FN می‌شود از نتایج ماتریس در هم ریختگی سه شاخص دقت, صحت و کارایی به دست میاید که برای تحلیل عملکرد سیستم‌های طبقه‌بندی استفاده می‌شود. نمودار اول مربوط به تشخیص دسته بیماری می‌باشد نقاط آبی مقدار واقعی کلاس و نقاط قرمز تشخیص ماشین بردار پشتیبان از دیتا ست شبیه سازی تشخیص سرطان سینه می‌باشد.

برای ارزیابی از چهار معیار دقت، صحت، F1 و Recall استفاده شده است که با استفاده از فرمول‌های این معیارها و ماتریس کانفیوژن که  منجر به 4 حالت TP, TN, FP, FN می‌شود استفاده شده است شکل زیر عملکرد شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان SVM  را نشان می‌دهد.

برای انواع خطاها در الگوریتم‌های یادگیری از معیارهای دیگری که در ادامه مطرح شده است استفاده می‌شود:

• آمار کاپا (Kappa Statistic): یک معیار شانس درست است که برای تمییز کلاس‌بندی از کلاس‌های درست استفاده می‌شود.
• میانگین خطای مطلق (MAE): خطای پیش‌بینی نزدیک به نتایج احتمالی را نشان می‌دهد.
• ریشه میانگین مربعات خطا (RMSE): مربعات ریشه‌ی واریانس است و به عنوان خطای استاندارد شناخته می‌شود و مربعات خطای آموزشی را نشان می‌دهد.
• خطای نسبی مطلق (RAE): عبارت است از نسبت خطای مطلق به اندازه حقیقی.
• ریشه نسبی مربعات خطا (RRSE): مربعات خطای آموزشی نسبی را نشان می‌دهد.

شکل زیر مقادیر انواع خطاها در الگوریتم‌های یادگیری را نشان می دهد.

نمودار زیر ROC نسبت حساسیت و ویژگی تشخیص بیماری را نشان می‌دهد.

شبیه سازی تشخیص سرطان سینه با استفاده از الگوریتم ماشین بردار پشتیبان SVM در متلب 2014b توسط کارشناسان پی استور تست و اجرا شده است و دارای نشان تضمین کیفیت پی استور می‌باشد. این محصول دارای 4 فایل متلب به همراه توضیح فارسی در قالب word که شامل فرمول‌ها و متغیرهای شبیه سازی است بصورت zip شده قابل دانلود است. به محض خرید فایل با قیمت استثنایی لینک دانلود در دسترس خواهد بود.