論文の概要: Predicting environment effects on breast cancer by implementing machine learning

• arxiv url: http://arxiv.org/abs/2309.14397v1
• Date: Mon, 25 Sep 2023 15:54:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-27 16:37:39.933278
• Title: Predicting environment effects on breast cancer by implementing machine learning
• Title（参考訳）: 機械学習による乳癌の環境影響予測
• Authors: Muhammad Shoaib Farooq, Mehreen Ilyas
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.0878040851638
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The biggest Breast cancer is increasingly a major factor in female fatalities, overtaking heart disease. While genetic factors are important in the growth of breast cancer, new research indicates that environmental factors also play a substantial role in its occurrence and progression. The literature on the various environmental factors that may affect breast cancer risk, incidence, and outcomes is thoroughly reviewed in this study report. The study starts by looking at how lifestyle decisions, such as eating habits, exercise routines, and alcohol consumption, may affect hormonal imbalances and inflammation, two important factors driving the development of breast cancer. Additionally, it explores the part played by environmental contaminants such pesticides, endocrine-disrupting chemicals (EDCs), and industrial emissions, all of which have been linked to a higher risk of developing breast cancer due to their interference with hormone signaling and DNA damage. Algorithms for machine learning are used to express predictions. Logistic Regression, Random Forest, KNN Algorithm, SVC and extra tree classifier. Metrics including the confusion matrix correlation coefficient, F1-score, Precision, Recall, and ROC curve were used to evaluate the models. The best accuracy among all the classifiers is Random Forest with 0.91% accuracy and ROC curve 0.901% of Logistic Regression. The accuracy of the multiple algorithms for machine learning utilized in this research was good, which is important and indicates that these techniques could serve as replacement forecasting techniques in breast cancer survival analysis, notably in the Asia region.
• Abstract（参考訳）: 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。 本研究は, 乳がんのリスク, 発症率, 予後に影響を及ぼす様々な環境要因に関する文献を徹底的に検討する。 この研究は、食事習慣、運動習慣、アルコール摂取といったライフスタイルの決定が、ホルモンの不均衡と炎症にどのように影響するかを考察することから始まる。 さらに、農薬、内分泌分解化学物質(edc)、産業排出などの環境汚染物質によって引き起こされる部分を調査し、これら全てはホルモンのシグナル伝達とdna損傷による乳がん発症のリスクが高いことに関連している。 機械学習のアルゴリズムは予測を表現するために使われる。 Logistic Regression、Random Forest、KNN Algorithm、SVCおよび追加ツリー分類器。 モデル評価には,混乱行列相関係数,f1-score,精度,リコール,roc曲線などの指標を用いた。 すべての分類器の中で最良の精度は、0.91%の精度とロジスティック回帰のroc曲線 0.901%のランダムフォレストである。 本研究で活用されている機械学習の複数アルゴリズムの精度は良好であり,特にアジア地域での乳癌生存率解析における代替予測手法として有用であることが示唆された。

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 Multiparametric MRI with Optimized Synthetic Correlated Diffusion Imaging to Enhance Breast Cancer Pathologic Complete Response Prediction [71.91773485443125]
  ネオアジュバント化学療法は乳癌の治療戦略として最近人気を集めている。 ネオアジュバント化学療法を推奨する現在のプロセスは、医療専門家の主観的評価に依存している。 本研究は, 乳癌の病理組織学的完全反応予測に最適化されたCDI$s$を応用することを検討した。
  論文  参考訳（メタデータ） (2024-05-13T15:40:56Z)
• Breast Cancer Classification Using Gradient Boosting Algorithms Focusing on Reducing the False Negative and SHAP for Explainability [0.6906005491572401]
  本研究は,乳がん予測のためのブースティングに基づく各種機械学習アルゴリズムの性能評価に焦点をあてる。 本研究の目的は,AdaBoost,XGBoost,CatBoost,LightGBMといった最先端の促進アルゴリズムを用いて乳癌の予測と診断を行うことである。
  論文  参考訳（メタデータ） (2024-03-14T16:35:43Z)
• Improved Breast Cancer Diagnosis through Transfer Learning on Hematoxylin and Eosin Stained Histology Images [3.7498611358320733]
  本研究では,最新のBRACS染色画像を用いて乳癌腫瘍の分類を行った。 我々は、Xception、EfficientNet、ResNet50、InceptionResNetといった、ImageNet重みに基づいて事前訓練された様々なディープラーニングモデルを用いて実験を行った。
  論文  参考訳（メタデータ） (2023-09-15T20:16:17Z)
• 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)
• Artificial intelligence based prediction on lung cancer risk factors using deep learning [0.0]
  早期の症状の捕捉と定義は、患者にとって最も難しい段階の1つである。 深層学習手法を用いて,肺がんを極めて高い精度で検出できるモデルを開発した。 その結果, 精度は94%, 最小損失は0.1%であった。
  論文  参考訳（メタデータ） (2023-04-11T08:57:15Z)
• Machine Learning Methods for Cancer Classification Using Gene Expression Data: A Review [77.34726150561087]
  がんは心臓血管疾患の2番目の死因である。 遺伝子発現は癌の早期発見において基本的な役割を担っている。 本研究は,機械学習を用いた癌分類における遺伝子発現解析の最近の進歩を概説する。
  論文  参考訳（メタデータ） (2023-01-28T15:03:03Z)
• High-resolution synthesis of high-density breast mammograms: Application to improved fairness in deep learning based mass detection [48.88813637974911]
  深層学習に基づくコンピュータ支援検出システムは乳癌検出において優れた性能を示した。 高密度の乳房は、高密度の組織がマスを覆ったりシミュレートしたりできるため、検出性能が劣っている。 本研究は,高密度乳房における高密度フルフィールドデジタルマンモグラムを用いた質量検出性能の向上を目的とする。
  論文  参考訳（メタデータ） (2022-09-20T15:57:12Z)
• 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)
• Data Mining Techniques in Predicting Breast Cancer [0.0]
  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。
  論文  参考訳（メタデータ） (2020-11-22T19:12:15Z)

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。