Sep, 2023

通过多模型降维算法和分类算法的多模态融合在转移性乳腺癌预测中的应用

PDF
TL;DR利用机器学习的预处理算法和分类算法，研究了检测转移性癌症的潜力，通过降低数据维度和使用 k 最近邻算法，获得了最高 71.14% 的准确率。
发现论文，激发创造
  • 乳腺癌风险因素分析和生存预测的监督式机器学习

    利用机器学习方法，比较逻辑回归、支持向量机、决策树、随机森林、极端随机树、最近邻算法和自适应增强等七种分类模型来预测基于 METABRIC 数据集中 1904 名患者记录的 5 年乳腺癌生存率。研究结果表明，这些分类器可以准确预测样品的生存率，分别为 75.4％，74.7％，71.5％，75.5％，70.3％和 78％

    Apr, 2023

  • 为发展中国家减少癌症诊断的长时间延误，提高患者生存率，设计一种基于深度学习的资源高效的诊断系统

    为解决发展中国家乳腺癌诊断的延误和患者生存率的不平等问题，本研究开发了一种基于深度学习的转移性乳腺癌诊断系统，具有高诊断准确性和计算效率，能够适应资源匮乏的医疗设施。

    Aug, 2023

  • 知识引导的机器学习在癌症诊断和预后中的应用综述

    综述了采用基于生物医学知识的机器学习方法在癌症诊断和预后方面的研究现状和发展方向。

    Jan, 2024

  • 骨转移分析中的人工智能：当前进展、机遇与挑战

    医学影像分析中广泛应用人工智能技术，特别是在骨转移的分析中，机器学习方法取得了有希望的性能，具有显著的潜力提高临床效率，应进一步研究和验证其临床性能并促进其融入常规临床实践。

    Apr, 2024

  • 运用人工智能技术进行乳腺癌检测：系统文献综述

    本研究系统地综述了过去使用深度学习和机器学习进行基因测序或组织学影像检测和治疗乳腺癌的相关工作，并为将来的研究者提供了建议。

    Mar, 2022

  • 利用机器学习技术进行乳腺癌诊断

    评估了乳腺癌三种创新的诊断技术，并研究了利用机器学习技术（如卷积神经网络）的计算机辅助诊断系统来提高病人的生存率。

    May, 2023

  • 基于数据挖掘的乳腺癌恶性与良性预测 —— 医疗应用

    此论文研究了在数据挖掘中通过不同的分类算法实现对良性和恶性乳腺癌的预测，使用的数据集为 UCI 存储库中的 Breast Cancer Wisconsin 数据集，分析了 12 种算法的性能。

    Feb, 2019

  • 乳腺癌检测：基于机器学习算法的威斯康星州诊断数据集应用

    本文在威斯康星州诊断性乳腺癌数据集上比较了六个机器学习算法的分类测试准确性，并测量了它们的灵敏度和特异性。实验结果表明，所有的算法都表现良好，并超过了 90% 的测试准确率，其中 MLP 算法表现最佳，测试准确率高达 99.04%。

    Nov, 2017

  • 整张切片多实例学习用于预测腋窝淋巴结转移

    使用深度学习来识别乳腺癌患者核心 - 针生物检查图像中腋窝淋巴结转移的状态，并通过评估性能和进行数据增强技术的研究来改进现有的方法。

    Oct, 2023

  • 用于鉴定转移性乳腺癌的深度学习

    使用深度学习技术，结合人工病理学家的诊断结果，实现对淋巴结活检全滑片图像中转移性乳腺癌的自动检测，能够在提高病理诊断准确性方面发挥重要作用。

    Jun, 2016