Breast cancer diagnosis using fuzzy and non fuzzy classification.

Abstract

La technologie des biopuces (puces à ADN) permet d'analyser simultanément des milliers de gènes et de ce qui peut donner des informations importantes au sujet de la fonction de la cellule, car les changements de la physiologie d'un organisme sont généralement associés à des changements dans les modes d'expression des gènes. Plusieurs profiles d’expression des gènes obtenus à partir de tumeurs telles que les seins pose un problème majeur de santé publique dans le monde et en particulier en Algérie. Dans ce contexte, la sélection des caractéristiques est souvent considérée comme une étape de prétraitement nécessaire pour l’analyse des données, car elle peut réduire la dimension des ensembles de données et mène souvent à de meilleures analyses. A cet effet nous avons utilisé l’approche évolutionnaire nommée « particle swarm optimization » (PSO). Nous avons combiné cette méthode d'optimisation intelligente avec les Supports Vector Machines (SVM) pour choisir les sous ensemble de caractéristiques et les paramètres appropriés de SVM. Une grande réduction du nombre des gènes a été obtenu ce qui a par conséquent une amélioration dans la précision de la classification.