تکنولوژی ریزآرایه به عنوان ابزار قدرتمندی جهت تحلیل و بررسی رفتار هزاران ژن، نقش به سزایی در تشخیص، کشف و بررسی روش‌های درمان در انواع بیماری‌ها به خصوص سرطان دارد. در ساخت ریزآرایه از پروب‌هایی استفاده می‌شود که هرکدام شامل چندین باز متصل و یا ژن می‌باشد. هر باز طولی به اندازه ۰.۳۳ نانومتر دارد. این پروب‌ها توسط روبات‌های مخصوصی در ریزآرایه قرار می‌گیرند. دقت پیش‌بینی بیماری‌ها توسط روش‌هایی که روی داده‌های ریزآرایه اعمال می‌شود، وابستگی زیادی به مقادیر این ژن‌ها دارد. از مهم‌ترین ویژگی‌های داده‌های ریزآرایه، ابعاد بالا در برابر تعدادکم نمونه‌ها می‌باشد. این عامل، باعث بروز مشکلاتی در تحلیل این نوع داده‌ها شده است. بنابراین از روش‌های انتخاب ویژگی جهت حل این مشکلات و ارائه مدلی ساده تر و دقیق‌تر استفاده می‌شود. در این مقاله، روشی برای یافتن ژن‌های حاوی اطلاعات و همچنین طبقه‌بندی داده‌های ریزآرایه پیشنهاد شده است. روش پیشنهادی از سه بخش اصلی تشکیل شده است. در بخش اول، ابعاد داده‌ها با روش‌ آماری آزمون t و شبکه عصبی SOM کاهش می‌یابند. در بخش دوم، به وسیله الگوریتم ژنتیک، زیرمجموعه‌های بهینه حاوی ژن‌ها استخراج می‌شوند، و در آخرین بخش، ژن‌های حاوی اطلاعات با ارزش انتخاب می‌گردند. در این روش به علت استفاده از شبکه عصبی SOM،ژن‌های مشابه گروه‌بندی شده و نماینده آن‌ها برای ساخت مدل استفاده می‌شود و همین امر باعث کاهش زمان اجرای برنامه نسبت به روش‌های پیشین شده است. روش پیشنهادی جهت طبقه بندی داده‌های سرطان سینه بکار گرفته شد و توانست دقت طبقه بندی را نسبت به روش‌های پیشنهادی قبلی از ۸۹ درصد به ۹۴ درصد برساند.