文献

J-GLOBAL ID：202102283294408097   整理番号：21A1407747

アンサンブル学習に基づく乳癌分類研究【JST・京大機械翻訳】

Breast Cancer Classification Based on Ensemble Learning

著者 (3件)： Deng Zhuo (北京理工大学珠海学院光電成像技術与系統教育部重点実験室,广東珠海519088;北京理工大学,北京100081) ,  Su Binghua (北京理工大学珠海学院光電成像技術与系統教育部重点実験室,广東珠海519088;北京理工大学,北京100081) ,  Zhang Kai (北京理工大学珠海学院光電成像技術与系統教育部重点実験室,广東珠海519088)
資料名： Zhongguo Yiliao Shebei  (Zhongguo Yiliao Shebei)
巻： 35  号： 12  ページ： 59-62  発行年： 2020年 
JST資料番号： C3975A  ISSN： 1674-1633  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 目的:従来の機械学習アルゴリズムの分類能力が低いため、臨床診断を補助するには不十分であり、本研究は分類機能の強い統合学習と医療診断を結びつけ、診断精度と再現率を高める。方法:統合学習のランダムフォレストアルゴリズムとXgboostアルゴリズムを用いて、モデルの精度と再現率を高め、交差検証とグリッド検索を用いて、モデルのフィッティング能力を高める。結果:ランダムフォレストモデル、Xgboostモデルと伝統機械学習のディシジョンツリーモデルより、総合学習は乳癌診断の正確性と再現率を大いに向上させ、精度が0.92から0.96まで向上し、再現率が0.90から0.97と0まで向上することが分かった。99.結論:統合学習アルゴリズムと実際の医療診断技術とを結びつけることは、実際の研究意義を持ち、さらに2種類の領域を結合させ、医療診断の効率と精度を高めることができる。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *学習 ,  ディシジョンツリー ,  *乳房腫瘍 ,  機械学習 ,  学習アルゴリズム
準シソーラス用語： 総合的な学習 ,  *アンサンブル学習 ,  臨床診断 ,  診断精度 ,  正確性 ,  再現率 ,  ランダムフォレスト ,  乳癌診断 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  計算機網  (JC03000K)

タイトルに関連する用語 (4件)： アンサンブル学習 ,  乳癌 ,  分類 ,  研究