Amélioration dans la détection précoce du cancer du sein.

une étude à l’Université Polytechnique de Madrid a atteint une amélioration significative de la classification des données sur le cancer du sein

Espagne, 2011-décembre Les chercheurs du groupe automatisation de signal et de la communication de l’Universidad Politécnica de Madrid (GCSC/UPM) mis en place une nouvelle méthode d’apprentissage pour des réseaux de neurones artificiels, basée sur la metaplasticidad synaptique de neurones biologiques, qui a permis de classer les schémas de base de données du Wisconsin (WBCD) du cancer du sein, une référence internationale en mammographie, avec une précision de la 99,63 %.

Le cancer est une des principales causes de mortalité dans le monde et de la recherche dans le diagnostic et le traitement est devenue un sujet d’importance vitale pour la communauté scientifique.

La prévention reste un défi, et le meilleur moyen d’augmenter la survie des patients est par le biais de détection précoce. Si des cellules cancéreuses sont détectées avant sa propagation à d’autres organes, le taux de survie est supérieur à 97 %.

Pour cette raison, l’utilisation et le développement des classificateurs automatisés pour soutenir le diagnostic médical a augmenté considérablement ces derniers temps. Ces systèmes de classification tentent de minimiser les erreurs produites par des spécialistes, d’augmenter le nombre de diagnostics peuvent effectuer en un temps donné et son taux de succès. La plupart de ces systèmes reposent sur des techniques d’intelligence artificielle, combiné avec le traitement du signal, principalement : réseaux de neurones artificiels, wavelet analysis, analyse d’images à l’aide de modèles bayésiens, soutien de vecteur de machines, logique floue et fractale parmi les autres techniques mathématiques puissants.

est spécifiquement un réseau de neurones artificiels (AMMLP), formé avec une nouvelle méthode (Metaplasticidad artificielle) proposé par le professeur Diego Andina et appliquée aux données du cancer par le chercheur Alexis Marcano-Cedeño, tous deux appartenant au groupe à l’automatisation de signal et de la communication de l’Université Polytechnique de Madrid (GCSC/UPM)qui a obtenu les meilleurs résultats pour l’instant.

Metaplasticidad

Le concept de Metaplasticidad biologique a été défini en 1996 par Abraham W.C. Le préfixe but ” vient du grec au-delà de ” ou au-dessus de ” alors que le mot plasticité ” se rapporte à la possibilité d’avoir des neurones changent la valeur de la résistance des joints synaptiques. Abraham a défini le metaplasticidad comme l’induction de changements synaptiques en fonction de l’activité synaptique précédente, c’est-à-dire la metaplasticidad repose sur une grande partie de l’histoire de l’activation des synapses et l’hypothèse que le metaplasticidad joue un rôle important dans la stabilité (homéostasie)l’efficacité de l’apprentissage et le mécanisme de mémoire biologique.

cette base de données est un des plus connus et utilisés pour tester les algorithmes de classification des patrons du cancer du sein. Le WBCD se compose de 699 échantillons. Chaque enregistrement dans la base de données a neuf attributs. Nombre entier de 1 à 10 valeurs sont affectés à des évaluations, 1 étant la plus proche bénignes et 10 le plus proche au mal. Chaque exemple est également associée à une balise de classe, qui peut être bénigne ” ou mal ”. Cet ensemble de données contient 16 entrées avec attribut valeurs manquantes dans cette étude ont été exclus de l’analyse. La base de données contient 444 (65,0 %) des échantillons bénignes et 239 (35,0 %) des échantillons malignas.

comparaison et discussion

les résultats obtenus dans cette étude ont été comparés à d’autres résultats, plus particulièrement avec les algorithmes actuelles de plus de succès, sur la base de données du Wisconsin.

Le AMMLP a obtenu une précision dans la classification de 99,63 % dans la meilleure simulation et 99,58 % moyenne, améliorer les résultats du reste des classificateurs. En outre, la AMMLP, en comparaison avec d’autres algorithmes, expose un faible coût numérique et est facile à mettre en œuvre. Le succès du système proposé par les chercheurs de l’UPM renforce certaines des hypothèses d’Abraham et établit des nouvelles, ce qui pourraient entraîner des conséquences importantes, non seulement en médecine, mais aussi en psychologie et de la cybernétique.