Overview

Rak piersi pozostaje jedną z najbardziej rozpowszechnionych i zagrażających życiu chorób dotykających kobiety na calym świecie. Wczesne i dokladne wykrywanie odgrywa kluczową rolę w poprawie wskaźników przeżywalności i kierowaniu skutecznymi strategiami leczenia. Wraz z szybkim rozwojem sztucznej inteligencji (AI), techniki uczenia maszynowego i wizji komputerowej są coraz częściej stosowane do automatyzacji procesów klasyfikacji raka piersi i segmentacji obrazu. Niniejsze badanie koncentruje się na opracowaniu inteligentnej struktury, która integruje rekurencyjną eliminację cech (RFE) z klasyfikatorem maszyny wektorów nośnych (SVM) w celu zwiększenia dokladności i niezawodności wykrywania i analizy raka piersi. Wyniki eksperymentalne pokazują, że polączenie technik segmentacji, optymalizacji cech opartej na RFE i klasyfikacji SVM znacznie poprawia wydajnośc diagnostyczną w porównaniu z konwencjonalnymi podejściami uczenia maszynowego. Model osiąga wysoką dokladnośc, precyzję i wycofanie, dzięki czemu nadaje się do zastosowań klinicznych, w których niezawodnośc ma kluczowe znaczenie.

Full Product Details

9786209336911

Table of Contents

Reviews

Author Information

Tab Content 6

Countries Available