Tuning approach to improve multilayer perceptron for breast cancer prediction

Other Title(s)

أسلوب ضبط لتحسين التنبؤ بسرطان الثدي باستخدام قاعدة الإدراك متعددة الطبقات

Dissertant

al-Shami, Fida Musa Ahmad

Thesis advisor

al-Sharjabi, Bassam

University

Middle East University

Faculty

Faculty of Information Technology

Department

Computer Science Department

University Country

Jordan

Degree Date

2019

Arabic Abstract

تحول سرطان الثدي إلى مرض شائع في جميع أنحاء العالم عند النساء الشابات و المصدر الرئيسي لوفيات السرطان و تسبب في 22.9% من مجموعة واسعة من أنواع السرطان لدى النساء.

أدى تطور الفحص الشامل لسرطان الثدي إلى التشخيص المبكر و الإدارة السريعة مع تحسن كبير في معدل البقاء على قيد الحياة.

هناك حاجة ملحة لمشكلة البحث التلقائي عن المعلومات الموجودة في الصور الطبية.

فهناك صعوبة في تفسير هذه الصور بالإضافة إلى أعدادها الكبيرة، مما يولد عملا شاقا لأولئك الذين يجب عليهم تفسيرها لمعالجة هذا الحجم الكبير من المعلومات، يلجأ الأطباء حاليا إلى استخدام الأنظمة للمساعدة في تحليل و تفسير هذه الصور.

يمكن تحقيق ذلك من خلال تقنيات التعلم الآلي.

يقارن النهج المقترح في هذه الأطروحة خوارزميات التعلم الآلي ( خوارزمية أقرب جار، خوارزمية الغابة العشوائية، و خوارزمية قاعدة الادراك متعددة الطبقات للتصنيف على قاعدة بيانات سرطان الثدي ( WDBC للحصول على أفضل الخوارزميات في النتائج.

ثم تحديد السمات الأكثر تحديدا و الأكثر صلة بتصنيف الورم الخبيث من خلال أكثر من خوارزميات اختيار الميزة.

بعد ذلك، تقييم النتائج حسب المقاييس الخاصة بالتقييم على نتيجة قاعدة الادراك متعددة الطبقات للوصول إلى نتيجة أكثر دقة.

و أخيرا، مقارنة نتائج مقاييس التقييم في التعلم الآلي على قاعدة الادراك متعددة الطبقات المعدل و نتائج قاعدة الادراك متعددة الطبقات الأصلي.

أظهرت النتائج التجريبية على مجموعة بيانات WDBC أن تحسين دقة قاعدة الادراك متعددة الطبقات المعدل المقترحة مقارنة بقاعدة الادراك متعددة الطبقات الأصلي يبلغ حوالي 1.07%.

English Abstract

Breast Cancer has turned into a typical disease around the globe in young women and the main source of cancer death and caused 22.9% of a wide range of cancers in women.

The development of massive breast cancer screening has led to earlier diagnosis and rapid management with a significant improvement in survival rate.

The problem of automatically searching for information contained in medical images is extremely needed.

There is difficulty in interpretation these images as well as their large numbergenerates tedious work for those who must interpret them.

In order to process this large volume of information, doctors are currently turning to the use of systems to assist in the analysis and interpretation of these images.

This could be achieved by Machine Learning (ML) techniques.

The proposed approach in this thesis compares the ML algorithms (KNN, RF and MLP) of the classification on the breast cancer WDBC dataset to obtain the best algorithms in the results.

Then it identifies the most specific and relevant attributes of the malignant tumour classification through more than one feature selection algorithms.

Next, it determines which activation function for MLP that produces a more accurate result.

Finally, tuned MLP and comparing evaluation metrics in machine learning for original MLP and tuned MLP.

The experimental results over WDBC dataset showed that the accuracy enhancement of proposed Tuned MLP compared to the original MLP is around 1.07%

Main Subjects

Medicine
Information Technology and Computer Science

Topics

• Cancer
• Breast

No. of Pages

68

Table of Contents

• APA
• MLA
• AMA

Language

English

Data Type

Arab Theses

Record ID

BIM-899293