Motivos. El cáncer de mama es la segunda causa de mortalidad por cáncer entre las mujeres, según la Organización Mundial de la Salud (OMS), y una de las enfermedades más frecuentes entre todas las mujeres de hoy. Su influencia no se limita a las naciones industrializadas, sino que también incluye a los países emergentes, ya que los autores creen que el aumento de la urbanización y la adopción de estilos de vida occidentales provocarán un aumento de la prevalencia de la enfermedad. Planteamiento del problema. El cáncer de mama se ha convertido en una de las enfermedades más mortíferas a las que se enfrentan las mujeres en la actualidad. Sin embargo, las causas de esta enfermedad son numerosas y no pueden establecerse adecuadamente. Sin embargo, existe una enorme dificultad para no reconocer con precisión el cáncer de mama en sus primeras fases o para prolongar el proceso de detección. Metodología. En esta investigación, el aprendizaje automático es un campo de la inteligencia artificial que emplea una variedad de enfoques probabilísticos, de optimización y estadísticos para permitir que los ordenadores aprendan de datos pasados y encuentren y reconozcan patrones de grupos grandes o complicados. Esta ventaja es especialmente adecuada para las aplicaciones médicas, sobre todo las que tienen que ver con proteínas complicadas y mediciones genéticas. Resultado e implicaciones. Sin embargo, al utilizar el método PCA para reducir las características, la precisión de la detección bajó al 89,9%. IG-ANFIS nos proporcionó una precisión de detección (98,24%) al reducir el número de variables mediante el método de "ganancia de información". Mientras que el algoritmo ANFIS tuvo una precisión de detección del 59,9% sin utilizar características, J48, que es uno de los enfoques de árbol de decisión, tuvo una precisión de detección del 92,86% sin utilizar métodos de extracción de características. Al aplicar técnicas de PCA para minimizar las características, la precisión de la detección se redujo de la misma manera (91,1%) que el algoritmo de detección Naive Bayes (96,4%).
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Tecnología de detección visual asistida por inteligencia artificial en la duodenoscopia de cálculos biliares
Artículo:
Evaluación de una película comercial de almidón de arrurruz y CMC para la administración bucal de glipizida
Artículo:
Mejora del análisis de sentimientos en árabe mediante arquitecturas basadas en CNN y preprocesamiento de textos
Artículo:
Análisis de los factores que influyen en la concentración de PM2.5 y diseño de un modelo de difusión de contaminantes basado en una red neuronal artificial en el entorno del Internet de los vehículos
Artículo:
Nanofibras electrospun con alta superficie específica para preparar electrodos modificados para la detección por electroquimioluminiscencia de azitromicina
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Tesis:
Materiales y prácticas de construcción sostenible