机构名称：
¥ 2.0
肺癌是当代癌症相关死亡的主要因素，预计其将持续产生长期影响。及早发现症状对于有效治疗至关重要，这凸显了创新疗法的必要性。许多研究人员已经在这一领域开展了大量工作，但高假阳性率和高检测准确率等挑战仍然使准确诊断变得复杂。在这项研究中，我们旨在开发一种生态考虑的肺癌治疗原型模型，通过利用计算智能的最新进展来最大限度地提高资源利用率。我们还提出了一个基于医疗物联网 (IoMT) 的以消费者为中心的集成框架来实施建议的方法，为患者提供适当的护理。我们提出的方法采用逻辑回归、MLP 分类器、高斯 NB 分类器和使用 K 均值和模糊逻辑的智能特征选择来增强肺癌数据集中的检测程序。此外，通过投票分类器结合了集成学习。通过网格搜索的超参数调整提高了所提模型的有效性。通过与现有 NB、J48 和 SVM 方法的比较分析，证明了所提出的模型的性能，准确率达到 98.50%。这种方法带来的效率提升有可能节省大量时间和成本。这项研究强调了计算智能和 IoMT 在开发有效、资源高效的肺癌疗法方面的潜力。
使用计算智能和集成学习实现高效肺癌检测
主要关键词
相关文件推荐
