استفاده از ماشین بردار پشتیبان جهت تشخیص سرطان سینه

سپیده سادات بابایی1

چکیده :
اهميت و ضرورت تشخيص بيماريها به ويژه تشخيص زودهنگام سرطان پستان، دليل اصلي رويكردهاي پژوهشي در اين راستا است. با پیشرفت علم و فناوری در فناوری اطلاعات، روش های زیادی در حوزه سلامت مطرح و آزمایش و اجرا شده است. هدف از این مقاله به دست آوردن بهترین طبقه بندی کننده برای افزایش دقت تشخیص سرطان خوش خیم و بدخیم پستان می باشد. در این مقاله از مجموعه داده سرطان پستان ویسکانسین (WBCD) دانشگاه کالیفرنیا، ایروان استفاده شده است. روش مورد استفاده از SVM برای تشخیص نوع خوش‌خیم و بدخیم سرطان سینه بار می گیرد..

کلمات کلیدی : سرطان پستان طبقه بندی svm خوش خیم بدخیم


زبان مقاله : فارسی
محور مقاله : مهندسی کامپیوتر
محل انتشار : سومین کنفرانس بین المللی پیشرفت های اخیر در مهندسی، نوآوری و تکنولوژی - بلژیک
آدرس وب سایت کنفرانس : eitconf.com/3rd
کد IOI مقاله : XKBA-AZFFCA
لینک مستقیم مقاله : https://isnac.ir/XKBA-AZFFCA

سایر مقالات محل انتشار
  1. خوشه بندی تصاویر رادار سار با استفاده از شبکه‌های عصبی مصنوعی
  2. Simulation, Analysis and Investigation of Friction, Mechanical properties and the Role of Plunger on Thickness Distribution in Hydro-Forming Process
  3. Polymeric Nanoparticles in Cancer Therapy: Drug Delivery through Controlled and Targeted Release- A Review
  4. Renewable Materials in Green Construction: The Role of Hempcrete and Other Sustainable Building Practices
  5. استفاده از انرژی خورشیدی در باززنده‌سازی بناهای تاریخی
  6. ارزیابی مسائل زیست محیطی در خصوص آودگی آب در جهت توسعه شهری
  7. بررسی نکات طراحی و ساخت برج Kingdom در کشور عربستان
  8. Exploring the Impact of Urban Management on Achieving Sustainable Urban Development
  9. The risk of pollutants and their impact on the environment - a review
  10. بررسی انواع بتن کاربردی
  11. نقد تدریس زبان انگلیسی در آموزش عالی و چگونگی بهبود تدریس زبان به کمک روش های نوین
  12. ارزیابی علل روانگرایی خاک و عوامل تشدید کننده آن
  13. Intelligent Energy Management Analysis for Thermal Comfort in Commercial Complexes
  14. کاربرد هوش مصنوعی در دینامیک سیالات محاسباتی بهینه‌سازی و پیش‌بینی عملکرد جریان‌های سیال
  15. Waste management in drilling operation