論文の概要: Data Mining Techniques in Predicting Breast Cancer

• arxiv url: http://arxiv.org/abs/2011.11088v1
• Date: Sun, 22 Nov 2020 19:12:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-22 12:25:46.114012
• Title: Data Mining Techniques in Predicting Breast Cancer
• Title（参考訳）: 乳癌予測のためのデータマイニング技術
• Authors: Hamza Saad and Nagendra Nagarur
• Abstract要約: 本研究は, 乳癌に対する予測プロセスの改善と主な原因の抽出を目的としたものである。 データは、この病気に感染した臨床段階において、130人の女性の8つの属性に基づいて収集された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Background and Objective: Breast cancer, which accounts for 23% of all cancers, is threatening the communities of developing countries because of poor awareness and treatment. Early diagnosis helps a lot in the treatment of the disease. The present study conducted in order to improve the prediction process and extract the main causes impacted the breast cancer. Materials and Methods: Data were collected based on eight attributes for 130 Libyan women in the clinical stages infected with this disease. Data mining was used by applying six algorithms to predict disease based on clinical stages. All the algorithms gain high accuracy, but the decision tree provides the highest accuracy-diagram of decision tree utilized to build rules from each leafnode. Ranking variables applied to extract significant variables and support final rules to predict disease. Results: All applied algorithms were gained a high prediction with different accuracies. Rules 1, 3, 4, 5 and 9 provided a pure subset to be confirmed as significant rules. Only five input variables contributed to building rules, but not all variables have a significant impact. Conclusion: Tumor size plays a vital role in constructing all rules with a significant impact. Variables of inheritance, breast side and menopausal status have an insignificant impact in analysis, but they may consider remarkable findings using a different strategy of data analysis.
• Abstract（参考訳）: 背景と目的:全がんの23%を占める乳癌は、認識と治療が不十分なため、発展途上国のコミュニティを脅かしている。 早期診断は疾患の治療に大いに役立ちます。 本研究は, 乳癌に対する予測プロセスの改善と主な原因の抽出を目的としたものである。 材料と方法: この疾患に感染した臨床段階において,130人の女性の8つの属性に基づいてデータを収集した。 データマイニングは臨床段階に基づいて病気を予測するために6つのアルゴリズムを適用した。 全てのアルゴリズムは精度が高いが、決定木は各リーフノードからルールを構築するために使用される決定木の最も高い精度図を提供する。 重要な変数を抽出し、病気を予測するための最終ルールをサポートするために適用されるランキング変数。 結果: 適用アルゴリズムは,それぞれ異なる精度で高い予測値を得た。 ルール 1, 3, 4, 5 および 9 は、重要なルールとして確認される純粋なサブセットを提供する。 5つの入力変数だけがルールの構築に寄与したが、すべての変数が大きな影響を与えるわけではない。 結論: 腫瘍の大きさは、重要な影響で全ての規則を構築する上で重要な役割を果たす。 遺伝, 乳房側, 更年期状態の変数は解析に重大な影響を与えるが, データ解析の異なる戦略を用いて注目すべき発見を検討することができる。

関連論文リスト

• Enhancing Clinically Significant Prostate Cancer Prediction in T2-weighted Images through Transfer Learning from Breast Cancer [71.91773485443125]
  転送学習は、よりリッチなデータを持つドメインから取得した機能を活用して、限られたデータを持つドメインのパフォーマンスを向上させるテクニックである。 本稿では,T2強調画像における乳癌からの転移学習による臨床的に有意な前立腺癌予知の改善について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:57:27Z)
• Improving Breast Cancer Grade Prediction with Multiparametric MRI Created Using Optimized Synthetic Correlated Diffusion Imaging [71.91773485443125]
  乳がん治療計画において、グレーディングは重要な役割を担っている。 現在の腫瘍グレード法では、患者から組織を抽出し、ストレス、不快感、医療費の上昇につながる。 本稿では,CDI$s$の最適化による乳癌の診断精度の向上について検討する。
  論文  参考訳（メタデータ） (2024-05-13T15:48:26Z)
• Using Pre-training and Interaction Modeling for ancestry-specific disease prediction in UK Biobank [69.90493129893112]
  近年のゲノムワイド・アソシエーション(GWAS)研究は、複雑な形質の遺伝的基盤を明らかにしているが、非ヨーロッパ系個体の低発現を示している。 そこで本研究では,マルチオミクスデータを用いて,多様な祖先間での疾患予測を改善することができるかを評価する。
  論文  参考訳（メタデータ） (2024-04-26T16:39:50Z)
• Predictive Modeling for Breast Cancer Classification in the Context of Bangladeshi Patients: A Supervised Machine Learning Approach with Explainable AI [0.0]
  5種類の機械学習手法の分類精度,精度,リコール,F-1スコアを評価し,比較した。 XGBoostは97%という最高のモデル精度を達成した。
  論文  参考訳（メタデータ） (2024-04-06T17:23:21Z)
• Cancer-Net PCa-Gen: Synthesis of Realistic Prostate Diffusion Weighted Imaging Data via Anatomic-Conditional Controlled Latent Diffusion [68.45407109385306]
  カナダでは、前立腺がんは男性でもっとも一般的ながんであり、2022年のこの人口統計では、新しいがん症例の20%を占めている。 拡散強調画像(DWI)データを用いた前立腺癌診断,予後,治療計画のためのディープニューラルネットワークの開発には大きな関心が寄せられている。 本研究では,解剖学的条件制御型潜伏拡散戦略の導入により,現実的な前立腺DWIデータを生成するための潜伏拡散の有効性について検討した。
  論文  参考訳（メタデータ） (2023-11-30T15:11:03Z)
• Predicting environment effects on breast cancer by implementing machine learning [1.0878040851638]
  最大の乳癌は、心臓病を克服する女性死亡率の主要な要因となっている。 乳がんの成長には遺伝的要因が重要であるが、新しい研究は、その発生と進行に環境要因が重要な役割を果たすことも示唆している。 本報告では, 乳がんのリスク, 発生率, 予後に影響を及ぼす種々の環境要因に関する文献を概説する。
  論文  参考訳（メタデータ） (2023-09-25T15:54:03Z)
• Comparative Analysis of Deep Learning Architectures for Breast Cancer Diagnosis Using the BreaKHis Dataset [0.0]
  本研究では,癌分類における5つのよく知られたディープラーニングモデルの性能と比較を行った。 その結果、Xceptionモデルがトップに上がり、F1スコアは0.9、精度は89%となった。 InceptionモデルのF1スコアは87で、InceptionResNetのF1スコアは86。
  論文  参考訳（メタデータ） (2023-09-02T19:02:50Z)
• Understanding Breast Cancer Survival: Using Causality and Language Models on Multi-omics Data [23.850817918011863]
  乳がんと診断された患者の生存にゲノムの摂動がどう影響するかを調べるために因果探索アルゴリズムを利用した。 本研究は, 因果発見アルゴリズムを用いた患者の生命予後に関する重要な要因を明らかにするものである。 結果は、バイオメディカル文献に基づいて訓練された言語モデルによって検証される。
  論文  参考訳（メタデータ） (2023-05-28T17:07:46Z)
• Cancer-Net BCa-S: Breast Cancer Grade Prediction using Volumetric Deep Radiomic Features from Synthetic Correlated Diffusion Imaging [82.74877848011798]
  乳がんの流行は成長を続けており、2023年には米国で約30万人の女性に影響を及ぼした。 金標準のScarff-Bloom-Richardson(SBR)グレードは、化学療法に対する患者の反応を一貫して示すことが示されている。 本稿では,合成相関拡散(CDI$s$)画像を用いた乳がん鑑定における深層学習の有効性について検討する。
  論文  参考訳（メタデータ） (2023-04-12T15:08:34Z)
• Machine Learning Approaches to Predict Breast Cancer: Bangladesh Perspective [0.0]
  本研究は,乳がんをクラスで最大精度で予測できる最良のアルゴリズムの発見に焦点をあてる。 このモデルの実装後、この研究はRandom ForestとXGBoostで94%のモデル精度を達成した。
  論文  参考訳（メタデータ） (2022-06-30T01:44:53Z)
• Federated Learning Enables Big Data for Rare Cancer Boundary Detection [98.5549882883963]
  6大陸にわたる71の医療機関のデータを含む,これまでで最大のフェデレーテッドML研究の結果を報告する。 グリオ芽腫の稀な疾患に対する腫瘍境界自動検出装置を作製した。 当科では, 外科的に標的とした腫瘍の悪性度を高めるために, 33%の改善率を示し, 腫瘍全体に対する23%の改善率を示した。
  論文  参考訳（メタデータ） (2022-04-22T17:27:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。