机构名称：
¥ 1.0
摘要：乳腺癌是影响全世界女性的最普遍的癌症类型，并对女性死亡构成严重风险。为了降低死亡率并提高治疗结果，早期检测至关重要。中性粒细节理论（NST）和机器学习方法（ML）方法在本研究中整合，以提供一种新型的混合方法（NS-ML），可改善乳腺癌诊断。使用威斯康星诊断乳腺癌（WDBC）数据集，该研究将这些数据转化为中性粒细胞（N）表示，以有效捕获不确定性。在N数据集（而不是传统数据集）上训练时，ML算法（例如决策树（DT），随机森林（RF）和自适应增强（Adaboost））的表现更好。值得注意的是，n- adaboost模型以99.12％的精度和100％的精度取得了出色的结果，突出了NS在增强诊断可靠性方面的功效。
增强了乳腺癌预测的中性嗜性套装和机器学习方法
主要关键词
相关文件推荐
