Motivos. El cáncer de mama es la segunda causa de mortalidad por cáncer entre las mujeres, según la Organización Mundial de la Salud (OMS), y una de las enfermedades más frecuentes entre todas las mujeres de hoy. Su influencia no se limita a las naciones industrializadas, sino que también incluye a los países emergentes, ya que los autores creen que el aumento de la urbanización y la adopción de estilos de vida occidentales provocarán un aumento de la prevalencia de la enfermedad. Planteamiento del problema. El cáncer de mama se ha convertido en una de las enfermedades más mortíferas a las que se enfrentan las mujeres en la actualidad. Sin embargo, las causas de esta enfermedad son numerosas y no pueden establecerse adecuadamente. Sin embargo, existe una enorme dificultad para no reconocer con precisión el cáncer de mama en sus primeras fases o para prolongar el proceso de detección. Metodología. En esta investigación, el aprendizaje automático es un campo de la inteligencia artificial que emplea una variedad de enfoques probabilísticos, de optimización y estadísticos para permitir que los ordenadores aprendan de datos pasados y encuentren y reconozcan patrones de grupos grandes o complicados. Esta ventaja es especialmente adecuada para las aplicaciones médicas, sobre todo las que tienen que ver con proteínas complicadas y mediciones genéticas. Resultado e implicaciones. Sin embargo, al utilizar el método PCA para reducir las características, la precisión de la detección bajó al 89,9%. IG-ANFIS nos proporcionó una precisión de detección (98,24%) al reducir el número de variables mediante el método de "ganancia de información". Mientras que el algoritmo ANFIS tuvo una precisión de detección del 59,9% sin utilizar características, J48, que es uno de los enfoques de árbol de decisión, tuvo una precisión de detección del 92,86% sin utilizar métodos de extracción de características. Al aplicar técnicas de PCA para minimizar las características, la precisión de la detección se redujo de la misma manera (91,1%) que el algoritmo de detección Naive Bayes (96,4%).
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Fabricación de nanocompuestos de óxido de grafeno reducido y análisis de la interacción con BSA
Artículo:
Una optimización mejorada del campo electromagnético para los problemas de optimización global
Artículo:
Nanocompuestos de acrilato/celulosa nanofibrilada y su uso para el recubrimiento de papel
Artículo:
Modelo de predicción de la sensibilidad al deshielo térmico y la profundidad de deshielo para el terraplén de permafrost a lo largo del corredor de ingeniería Qinghai-Tíbet utilizando datos MODIS.
Capítulo de libro:
Operando caracterización estructural del proceso E-ALD crecimiento de películas ultra-delgadas
Folleto:
Análisis de rentabilidad económica y financiera
Artículo:
¿Por qué debemos conservar la fauna silvestre?
Artículo:
Control y vigilancia de la calidad del agua de consumo humano
Manual:
Deshidratación y desecado de frutas, hortalizas y hongos. Procedimientos hogareños y comerciales de pequeña escala