通过超参数调整优化肺癌分类
Syed Muhammad Nabeel1, Sibghat Ullah Bazai1, Nada Alasbali2
1Department of Computer Engineering, Balochistan University of Information Technology, Engineering, and Management Sciences (BUITEMS), Quetta, Balochistan, Pakistan.
Digital health
|May 3, 2024
概括
这项研究引入了一种新的机器学习方法,用于精确检测肺癌. 开发的方法实现了99.16%的准确性,提供了不那么侵入性和成本效益的诊断工具.
科学领域:
- 医疗信息学 医疗信息学
- 在瘤学瘤学.
- 人工智能的人工智能
背景情况:
- 肺癌是全球死亡的主要原因,需要改进诊断方法.
- 目前的诊断技术可能具有侵入性和成本.
- 人工智能 (AI) 提供了提高医疗保健诊断的潜力.
研究的目的:
- 开发一种机器学习 (ML) 策略,用于精确,不那么侵入性和具有成本效益的肺癌检测.
- 与现有技术相比,评估新型ML方法的性能.
主要方法:
- 提出并对肺癌检测的四种ML方法进行了基准测试.
- 用一个公认的Kaggle数据集进行评估.
- 采用超参数调整,特别是为最有前途的方法优化玛和C参数到10.
主要成果:
- 一种拟议的ML方法显著优于现有技术.
- 实现了高性能指标:99.16%的准确性,98%的精度和100%的灵敏性.
- 玛和C参数的超参数调整对于最佳性能至关重要.
结论:
- 增强的ML预测机制超过了传统和当代的肺癌检测策略.
- 开发的方法为早期和准确的肺癌诊断提供了有前途的进步.
- 这种人工智能驱动的方法有可能通过更有效的查来改善患者的治疗结果.
