استخدام التعلم الآلي: الشبكات العصبونية وآلية متجه الدعم في تقدير وضع مريض سرطان الرئة

الملخص

يهدف البحث إلى بناء نماذج تعلم الآلي باستخدام الشبكات العصبونية وآلية متجه الدعم الـSVM ومقارنة النتائج بين كلا النوعين من حيث الدقة في تقدير وتنبؤ حالة الشخص (1-مصاب 2– مهيأ 3– سليم) للإصابة بسرطان الرئة، وكانت العوامل المستقلة هي قيم (حمض البول – البوتاسيوم – الصوديوم –الارجنين)، حيث جمعت البيانات من مشفى البيروني في دمشق ومشفى جامعة البعث التعليمي، تم جمع البيانات عن 86 شخص موزعين كما يلي: 50 مصاب  من مشفى البيروني في دمشق، و16 مهيأ (كلهم مدخنين) من مشفى جامعة البعث و20  سليم من مشفى جامعة البعث.

 في البداية تم بناء نموذج آلية متجه الدعم SVM وقسمت البيانات الى قسمين قسم التدريب 29 قيمة وقسم الاختبار 57  قيمة  اختيرت بشكل عشوائي من بين القيم وحسبت دقة بيانات الاختبار فكانت 100% ودقة بيانات التدريب 86% ثم طبق النموذج على كل البيانات فكانت دقته 95.34%   وهذا يؤكد لنا فعالية آلية متجه الدعم في الكشف عن حالة المريض بشكل مبكر. تم بناء نماذج شبكات عصبونية وتبين لنا من خلال المحاكاة أن افضل نموذج هو:  NN(2,2)    حيث تم تقسيم البيانات الى قسم تدريب 80% وقسم اختبار 20% فكانت دقة الشبكة بالنسبة لبيانات التدريب 100% ولبيانات الاختبار 94% وكانت الدقة بشكل عام 98% وبالمقارنة مع نموذج آلية متجه الدعم SVM نجد أن هناك تفوق للشبكات العصبونية  في تصنيف حالة المريض وننصح في استخدامها في تشخيص هذا النوع من الأمراض