ایمان عطارزاده

تشخیص به موقع سرطان پروستات به عنوان شایع ترین سرطان در جنس مذکر و یک بیماری کشنده از چالش های حوزه سلامت و درمان است. کشف زودهنگام این بیماری در محلی نگه داشتن سرطان در ناحیه پروستات، بهبود فرآیند درمان و کاهش هزینه های درمانی بسیار مؤثر است. در این پژوهش سعی شده است تا با ارائه مدل تصمیم یار تشخیص پزشکی که توان تحلیل و تفسیر اطلاعات پزشکی مختلف را دارا است، دقت تشخیصی مناسبی نسبت به روش ها و مدل های دیگر ارائه شود. برای این منظور اطلاعات سیصد فرد مشکوک به سرطان پروستات با 11 ویژگی تشخیصی سن، وزن، قد، BMI، ضربان قلب، فشارخون دیاستولیک، فشار خون سیستولیک، PSA، سیگاری بودن، مقدار پروستات و چگالی از مقاله مورد مطالعه استخراج شد و بمنظور کاهش پیچیدگی تشخیصی سیستم فازی، از بین ویژگی های اشاره شده سه ویژگی تشخیصی بهترِ، سن، سیگاری بودن و PSA با نظر فرد خبره انتخاب شدند. از سوی دیگر جهت افزایش دقت تشخیص، ویژگی سطح ناحیه آلوده که از نتایج پردازش تصویرMRI دست آمده و با دیگر ویژگی های تشخیصی ترکیب و به عنوان ورودی به سیستم فازی ارائه شدند. جهت طبقه بندی از منطق فازی موتور استنتاج ممدانی استفاده شد. مدل پیشنهادی 85.3% صحت، 85% دقت، 92% حساسیت و 74% ویژگی را نشان داده است که در مقایسه با روش شبکه عصبی LM مورد بررسی در این پژوهش میزان معیارهای صحت1.7%، دقت 0.5%، حساسیت3% و ویژگی 2% افزایش و در نهایت عملکرد بهتری را در مقایسه با شبکه عصبی LM نشان می دهد.