抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
女性における最も一般的な癌は,広範な疾患である乳癌である。世界中の8人の女性のうち1つは,この癌のみにより影響を受ける。乳房組織から悪性腫瘍を検出することによりこの癌を検出することができる。癌を検出するために医師が使用する様々なタイプのコンピュータ支援技術とアプローチがある。本論文の主な目的は,様々なパラメータによって乳癌の認識のための明確なモデルを構築することである。悪性および良性組織の分類には,異なるタイプの機械学習および深層学習方法論を用いた。30の特徴を持つ569のサンプルを得るデータセットを用いて,このデータセットはWisconsinデータセットと主に呼ばれる。多くの技法を,診断および訓練目的のための深い畳込みニューラルネットワーク(CNN)および機械学習方法論(KNN)を用いて,このデータセットに実装し,そして,両方の技法の結果を比較した。深い畳み込みNNを,他のサイドKNN上のGoogle Colabと呼ばれるゴーグルプラットフォームに実装し,Anaconda Spyderプラットフォームに実装した。KNNから得られた最良の精度は96.49%であった。性能と精度を改善するために,同じデータセットにCNNを実装し,次に99.41%の精度を達成した。深層学習は,精度,リコール,F1スコアおよびAVC-ROC-98.64%,97.71%,98.08%,97.61%のような他の性能マトリックにおける最良および最適結果を得ることにおいて,広範囲に有用である。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】