PREDICTION OF PATHOLOGICAL STAGE IN PROSTATE CANCER PATIENTS BY PROSTATE MRI: ARTIFICIAL NEURAL NETWORKS METHODS

Prostate cancer is a disease that is most common in males and causes death in the second frequency in the world. If prostate cancer is diagnosed in the early stages, surgery can be performed and the disease can be cured.

The aim of this study is to design an expert system to catch prostate cancer as early as possible with the chance of surgical treatment by being diagnosed in the limited phase of the organ. The most accurate diagnosis is to use risk factors such as Age, PSA (prostate Specific antigen), Clinical Stage, Tumor Size, Prostate Size and ISUP (International Society of Urological Pathology). In other words, it is aimed to biopsy the minimum number of patients and to diagnose the largest number of cancers.

For better detection both sets of characteristics are used in our research. In this study, as a diagnostic model, we use a system based on multiple-layer (deep) feed-forward neural networks. The networks are trained with Differential Evolution training algorithm using in parallel a pair of data sets (training and validation sets) to avoid overfitting and improve model’s generalization ability (performance on untrained data). The applied DE algorithm has allowed avoiding local minima of error function during the training. A third data set is used for testing trained network performance. According to the obtained results, this method demonstrated better results than other existing approaches.

Key words: Prostate Cancer, Artificial Neural Network, Differential Evolution Optimization Computational Intelligence Methods

Prostat MRT tərəfindən prostat xərçəngi xəstələrində patoloji mərhələnin

proqnozlaşdırılması: Süni sinir şəbəkələri metodları

Xülasə

Prostat xərçəngi, kişilərdə ən çox yayılan və dünyada ikinci yerdə olan bir xəstəlikdir. Prostat xərçəngi erkən mərhələlərdə diaqnoz qoyulsa, əməliyyat edilə bilər və xəstəlik sağalda bilər.

Bu araşdırmanın məqsədi orqanizmin məhdud fazasında diaqnoz qoyularaq cərrahi müalicə şansı ilə prostat xərçəngini mümkün qədər erkən tutmaq üçün mütəxəssis sistem hazırlamaqdır. Ən doğru diaqnoz Yaş, PSA (prostata xüsusi antigen), Klinik Mərhələ, Şiş Ölçüsüsü, Prostat Ölçüsü və ISUP (Beynəlxalq Uroloji Patologiyası Cəmiyyəti) kimi risk faktorlarından istifadə etməkdir. Başqa sözlə, xəstələrin minimum sayını biopsiya etmək və ən çox xərçəng diaqnozu qoymaq məqsədi daşıyır.

Daha yaxşı aşkarlanması üçün tədqiqatımızda hər iki xüsusiyyət dəsti istifadə olunur. Bu araşdırmada, diaqnostik bir model olaraq çox qatlı (dərin) qidalandırıcı sinir şəbəkələrinə əsaslanan bir sistem istifadə edirik. Şəbəkələr, həddindən artıq uyğunlaşmamaq və modelin ümumiləşdirmə qabiliyyətini artırmaq üçün (öyrətilməmiş məlumatlar üzərində işləmək) paralel olaraq bir cüt məlumat dəsti (təlim və qiymətləndirmə dəsti) istifadə edərək Differensial Evolution təlim alqoritmləri ilə təlimləndirilir. Tətbiq olunan DE alqoritmi təlim əsnasında səhv funksiyalarının yerli minimumlarından qaçmağa imkan verdi. Üçüncü bir məlumat dəsti təlim keçmiş şəbəkə performansını yoxlamaq üçün istifadə olunur. Əldə edilmiş nəticələrə görə, bu üsul digər mövcud yanaşmalardan daha yaxşı nəticələr göstərdi.

Açar sözlər: Prostat xərçəngi, süni neyron şəbəkəsi, diferensial təkamül optimallaşdırma hesablama intellekt metodları

MƏQALƏNİ YÜKLƏ

Onlayn bax

Baxış: 529