Un algorithme hybride pour la classification du cancer du poumon utilisant SVM et réseaux de neurones

Le présent article de recherche se concentre sur les constatations factuelles de l'utilisation potentielle du réseau de neurones à propagation avant combiné comme jugement pour le cancer du poumon. Dans ce contexte, la machine à vecteurs de soutien est intégrée avec le réseau de neurones à propagation avant pour créer un algorithme hybride qui aide à réduire la complexité de calcul de la classification. Un ensemble de 500 images a été utilisé, dont 75 % des données sont utilisées à des fins d'entraînement et les 25 % restants pour atteindre la classification. Dans cette perspective, un mécanisme en trois blocs est proposé pour la classification, dans lequel le premier bloc prétraite l'ensemble de données, le deuxième bloc extrait les caractéristiques via la technique SURF suivie de l'optimisation utilisant l'algorithme génétique et le bloc terminal est consacré à la classification via FFBPNN. L'algorithme de classification hybride est nommé Classificateur Sélectionné par Attributs Kernels et l'exactitude globale de classification de l'algorithme proposé est de 98,08 %. L'objectif de l'étude est d'améliorer l'exactitude de classification en appliquant un algorithme de classification hybride.