甲状腺疾患の検出のための新しいハイブリッドアプローチ: 最適な特徴の選択のためにカプセルアルゴリズムとシミュレート annealing を統合する

科学分野:

• 内分泌学と医学診断
• 医療におけるコンピューティングインテリジェンス

背景:

• 甲状腺機能障害は,甲状腺機能低下症や甲状腺機能低下症を含む,代謝率に影響する慢性内分泌疾患です.
• 早期診断は重篤な合併症を予防し,患者の生活の質を改善するために重要です.

研究 の 目的:

• 甲状腺疾患を早期に正確に検出するための新しいハイブリッドアルゴリズムを開発し評価する.
• 診断能力の向上を通じて臨床的意思決定プロセスを強化する.

主な方法:

• カタツムリの最適化アルゴリズム (CFA) とシミュレートアニリング (SA) を統合したハイブリッドアルゴリズムが提案されました.
• 機械学習モデルが分類作業に使用されました.
• 特徴の選択はハイブリッドアルゴリズムを使用して最適化されました.

主要な成果:

• 提案されたハイブリッドアルゴリズムは,ベンチマークデータセットで高いパフォーマンスを示しました.
• 診断精度は98. 91%,F1スコアは94. 83%でした.
• 組み合わせた最適化と機械学習のアプローチの強さを示しました

結論:

• 自然にインスパイアされた最適化技術と 機械学習の統合は 甲状腺疾患の診断を大幅に改善します
• このアプローチにより,迅速な診断が可能になり,効果的な治療計画が容易になります.
• この研究は 甲状腺疾患の早期発見のための 医療診断を進めている.