دانلود مقاله تشخیص سرطان سینه با روش های یادگیری ماشین متفاوت با استفاده از آنالیز داده خون
تعداد صفحات فایل انگلیسی: 5 صفحه pdf
تعداد صفحات فایل ترجمه : 7 صفحه word فونت 14 B Nazanin
2313 ورد
خلاصه:
امروزه سرطان سینه یکی از شایع ترین سرطان ها می باشد. و جلوگیری از تکثیر سلول های بدخیم برای کاهش نرخ مرگ و میر سرطان ضروری می باشد. به همین دلیل تشخیص سرطان باید در سریع ترین زمان ممکن انجام شود. تکنیک های یادگیری ماشین به منظور تشخیص و پیشبینی میزان موفقیت روش های درمان سرطان به کار می روند. در این مطالعه چهار الگوریتم گوناگون یادگیری ماشین برای تشخیص زود هنگام سرطان سینه به کار رفته است. هدف این مطالعه ارزیابی نتایج ازمایش خون روتین با متدهای گوناگون ML می باشد و این که بدانیم کدام یک از این روش ها برای تشخیص موثرمی باشند. متد ها به روش زیر فهرست می شوند، Artificial Neural Network (ANN), standard Extreme Learning Machine (ELM), Support Vector Machine (SVM) and K-Nearest Neighbor (k-NN) . مجموعه داده ها از کتابخانه UCI گرفته شده اند. در این مجموعه داده شاخص جرم بدنBMI گلوکز، انسولین، ارزیابی مدل هموستاسیس homeostasis model assessment (HOMA) ، لپتین، ادینوپکتین، رسیستین، و chemokine monocyte chemoattractant protein 1 (MCP1) مشخصه های مورد استفاده بودند. پارامترهایی که بهترین مقادیر صحت را داشتند. با استفاده از چهار تکنیک یادگیری ماشین یافت شدند. به همین منظور روش بهینه سازی هایپر پارامتر استفاده شد. در نهایت نتایج مقایسه و مورد بحث قرارگرفتند.
Breast Cancer Diagnosis by Different Machine Learning Methods Using
Blood Analysis Data
Muhammet Fatih Aslan*1, Yunus Celik1, Kadir Sabanci1, Akif Durdu2
Abstract: Today, one of the most common types of cancer is breast cancer. It is crucial to prevent the propagation of malign cells to reduce the rate of cancer induced mortality. Cancer detection must be done as early as possible for this purpose. Machine Learning techniques are used to diagnose or predict the success of treatment in medicine. In this study, four different machine learning algorithms were used to early detection of breast cancer. The aim of this study is to process the results of routine blood analysis with different ML methods and to understand how effective these methods are for detection. Methods used can be listed as Artificial Neural Network (ANN), standard Extreme Learning Machine (ELM), Support Vector Machine (S VM) and K-Nearest Neighbor (k-NN). Dataset used were taken from UCI library. In this dataset age, body mass index (BMI), glucose, insulin, homeostasis model assessment (HOMA), leptin, adiponectin, resistin and chemokine monocyte chemoattractant protein 1 (MCP1) attributes were used. Parameters that have the best accuracy values were found by using four different Machine Learning techniques. For this purpose, hyperparameter optimization method was used. In the end, the results were compared and discussed.
Keywords: Breast cancer, Artificial Neural Network, Extreme Learning Machine, Support Vector Machine, K-Nearest Neighbors, Hyperparameter Optimization
دانلود مقاله دات کام 
توضیحات محصول
دانلود مقاله تشخیص سرطان سینه با روش های یادگیری ماشین متفاوت با استفاده از آنالیز داده خون
تعداد صفحات فایل انگلیسی: 5 صفحه pdf
تعداد صفحات فایل ترجمه : 7 صفحه word فونت 14 B Nazanin
2313 ورد
خلاصه:
امروزه سرطان سینه یکی از شایع ترین سرطان ها می باشد. و جلوگیری از تکثیر سلول های بدخیم برای کاهش نرخ مرگ و میر سرطان ضروری می باشد. به همین دلیل تشخیص سرطان باید در سریع ترین زمان ممکن انجام شود. تکنیک های یادگیری ماشین به منظور تشخیص و پیشبینی میزان موفقیت روش های درمان سرطان به کار می روند. در این مطالعه چهار الگوریتم گوناگون یادگیری ماشین برای تشخیص زود هنگام سرطان سینه به کار رفته است. هدف این مطالعه ارزیابی نتایج ازمایش خون روتین با متدهای گوناگون ML می باشد و این که بدانیم کدام یک از این روش ها برای تشخیص موثرمی باشند. متد ها به روش زیر فهرست می شوند، Artificial Neural Network (ANN), standard
Extreme Learning Machine (ELM), Support Vector Machine (SVM) and K-Nearest Neighbor (k-NN) . مجموعه داده ها از کتابخانه UCI گرفته شده اند. در این مجموعه داده شاخص جرم بدنBMI گلوکز، انسولین، ارزیابی مدل هموستاسیس homeostasis model assessment (HOMA) ، لپتین، ادینوپکتین، رسیستین، و chemokine monocyte chemoattractant protein 1 (MCP1) مشخصه های مورد استفاده بودند. پارامترهایی که بهترین مقادیر صحت را داشتند. با استفاده از چهار تکنیک یادگیری ماشین یافت شدند. به همین منظور روش بهینه سازی هایپر پارامتر استفاده شد. در نهایت نتایج مقایسه و مورد بحث قرارگرفتند.
Breast Cancer Diagnosis by Different Machine Learning Methods Using
Blood Analysis Data
Muhammet Fatih Aslan*1, Yunus Celik1, Kadir Sabanci1, Akif Durdu2
Abstract: Today, one of the most common types of cancer is breast cancer. It is crucial to prevent the propagation of malign cells to reduce the rate of cancer induced mortality. Cancer detection must be done as early as possible for this purpose. Machine Learning techniques are used to diagnose or predict the success of treatment in medicine. In this study, four different machine learning algorithms were used to early detection of breast cancer. The aim of this study is to process the results of routine blood analysis with different ML methods and to understand how effective these methods are for detection. Methods used can be listed as Artificial Neural Network (ANN), standard Extreme Learning Machine (ELM), Support Vector Machine (S VM) and K-Nearest Neighbor (k-NN). Dataset used were taken from UCI library. In this dataset age, body mass index (BMI), glucose, insulin, homeostasis model assessment (HOMA), leptin, adiponectin, resistin and chemokine monocyte chemoattractant protein 1 (MCP1) attributes were used. Parameters that have the best accuracy values were found by using four different Machine Learning techniques. For this purpose, hyperparameter optimization method was used. In the end, the results were compared and discussed.
Keywords: Breast cancer, Artificial Neural Network, Extreme Learning Machine, Support Vector Machine, K-Nearest Neighbors, Hyperparameter Optimization
دانلود رایگان مقاله انگلیسی