一个新的乳腺癌发现策略:一个结合的异常者拒绝技术和一个集体分类方法
Shereen H Ali1, Mohamed Shehata2
1Communications & Electronics Engineering Department, Delta Higher Institute for Engineering & Technology, Mansoura 35511, Egypt.
Bioengineering (Basel, Switzerland)
|November 27, 2024
概括
这项研究引入了一种新的乳腺癌发现 (BCD) 战略,用于早期发现乳腺癌. 新的组合异常值拒绝技术 (CORT) 显著提高了诊断的准确性和效率.
科学领域:
- 医疗信息学 医疗信息学
- 计算生物学 计算生物学
- 医疗保健中的机器学习
背景情况:
- 乳腺癌是全球主要的死亡原因,需要在早期检测方面取得进展.
- 目前的诊断方法需要改进,以便迅速和敏感地识别乳腺癌.
研究的目的:
- 开发一种新的乳腺癌发现 (BCD) 战略,用于早期和准确的乳腺癌检测.
- 引入和验证一种新的异常值排斥技术,即联合异常值排斥技术 (CORT).
主要方法:
- BCD策略涉及一个预处理步骤 (P2S),包括数据规范化,特征选择 (信息获取) 和异常值拒绝 (CORT).
- CORT使用快速拒绝阶段 (统计) 和准确拒绝阶段 (二进制哈里斯客优化).
- 用一个集成分类方法 (ECM) 纳夫贝叶斯,KNN和SVM分类器用于诊断.
主要成果:
- 在威斯康星州乳腺癌数据库 (WBCD) 数据集中,BCD战略取得了高绩效.
- 关键性能指标包括0.987准确度,0.013误差,0.98回忆和0.984精度.
- 该方法证明了3秒的竞争性运行时间.
结论:
- 提出的BCD策略,包括CORT技术,为乳腺癌检测提供了一种高度有效的方法.
- 在准确性和效率方面,BCD策略优于现有方法.
- 这项研究为改善乳腺癌诊断和患者治疗结果提供了有价值的工具.
