传统机器学习和自动机器学习的比较分析:进步的反向乳头瘤与相关的状细胞癌诊断
Farideh Hosseinzadeh1, S Saeed Mohammadi2, James N Palmer3
1Department of Otolaryngology-Head & Neck Surgery, Stanford University School of Medicine, Stanford, California, USA.
International forum of allergy & rhinology
|August 26, 2024
概括
预测逆转乳头瘤转化为状细胞癌是具有挑战性的. 自动机器学习 (AutoML) 模型在区分反向乳头瘤和反向乳头瘤 - 状细胞癌方面表现优于传统机器学习 (ML).
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 病理学 病理学 病理学
背景情况:
- 倒置乳头瘤 (IP) 是一种良性鼻瘤.
- 将IP转化为状细胞癌 (SCC) 是一个诊断挑战.
- 准确的区分对于适当的患者管理和预后至关重要.
研究的目的:
- 评估自动机器学习 (AutoML) 在区分IP与IP与SCC (IP-SCC) 的有效性.
- 为了比较AutoML与传统机器学习 (ML) 算法的性能,用于此诊断任务.
主要方法:
- 开发和应用AutoML模型进行分类.
- 与既有传统的ML算法进行比较.
- 采用了组织病理学数据用于模型培训和验证.
主要成果:
- 自动ML模型在区分IP和IP-SCC方面表现出了很高的准确性.
- 在这个特定的差异化任务中,AutoML显著超过了传统的ML算法.
- 自动ML提供了一种更容易获得的方法,需要更少的技术专业知识.
结论:
- 自动ML提供了一个强大而易于使用的工具,用于准确区分IP和IP-SCC.
- 通过传统方法,将IP转换为SCC的预测仍然很困难.
- 自动ML的卓越性能表明其在改善诊断准确度方面的潜在临床实用性.
关键词:
人工智能的人工智能是人工智能.深度学习是一种深度学习.发电预训练变压器 预训练变压器图像的分类图像的分类.逆向乳头瘤的发生机器学习是机器学习.鼻癌是一种鼻癌.鼻癌 鼻癌 是一种癌症.阴道恶性瘤瘤 瘤 瘤 瘤更多相关视频
07:15Machine Learning Algorithms for Early Detection of Bone Metastases in an Experimental Rat Model
Published on: August 16, 2020
6.8K
04:09Predicting Treatment Response to Image-Guided Therapies Using Machine Learning: An Example for Trans-Arterial Treatment of Hepatocellular Carcinoma
Published on: October 10, 2018
8.2K