一个基于混合融合KNN的智能模型,使用室内定位系统访问黑色素瘤疾病风险

科学领域:

• 医学成像和诊断 医学成像和诊断
• 医疗保健中的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 全球定位系统 (GPS) 在室内是有限的,需要替代定位技术.
• 室内定位系统 (IPS) 为室内导航和数据采集提供解决方案.
• 准确和早期的疾病诊断,特别是黑色素瘤等癌症,对于患者的治疗结果至关重要.

研究的目的:

• 开发和实施基于智能,自动化的室内定位系统 (IPS) 模型的黑色素瘤检测.
• 为了提高诊断准确性,引入一种新的融合K-最近邻居 (KNN) 分类方法.
• 根据现有分类器对拟议的基于IPS的Fused-KNN模型的性能进行评估.

主要方法:

• 开发基于IPS的模型,集成用于数据收集的传感器和执行器.
• 实施一个融合KNN分类器,结合3-NN,5-NN和7-NN.
• 图像优化技术的应用,包括相似度指数,重叠和采样,以精制原始图像.
• 使用图像数据集对模型进行验证,并与已建立的分类方法进行比较.

主要成果:

• 基于IPS的Fused-KNN模型在黑色素瘤检测中实现了97.8%的高精度.
• 该模型显示出低误差率,根平均平方误差 (RMSE) 为0.2476,平均绝对误差 (MAE) 为0.542.
• 在12个癌症数据集中,平均性能指标包括准确性 (94.45%),精度 (95.2%),回忆力 (94.4%) 和F-score (94.9%).

结论:

• 拟议的基于IPS的Fused-KNN模型是黑色素瘤诊断的高效和智能预测工具.
• 该模型显示了更快,更可靠地诊断黑色素瘤和其他基于癌症的疾病的潜力.
• 这项技术可以帮助医疗保健专业人员完成诊断任务,改善患者的护理.