دانلود مقاله انگلیسی رایگان:مقایسه الگوریتمهای یادگیری ماشین خطی و غیرخطی برای طبقه بندی ندولهای تیروئید - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری ماشین رایگان
  • Comparison between linear and nonlinear machine-learning algorithms for the classification of thyroid nodules Comparison between linear and nonlinear machine-learning algorithms for the classification of thyroid nodules
    Comparison between linear and nonlinear machine-learning algorithms for the classification of thyroid nodules

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Comparison between linear and nonlinear machine-learning algorithms for the classification of thyroid nodules


    ترجمه فارسی عنوان مقاله:

    مقایسه الگوریتمهای یادگیری ماشین خطی و غیرخطی برای طبقه بندی ندولهای تیروئید


    منبع:

    Sciencedirect - Elsevier - European Journal of Radiology, 113 (2019) 251-257: doi:10:1016/j:ejrad:2019:02:029


    نویسنده:

    Fu-sheng Ouyanga,1, Bao-liang Guoa,1, Li-zhu Ouyangb,1, Zi-wei Liua, Shao-jia Lina, Wei Menga, Xi-yi Huangc, Hai-xiong Chena, Qiu-gen Hua,⁎, Shao-ming Yanga,⁎


    چکیده انگلیسی:

    Background: A key challenge in thyroid carcinoma is preoperatively diagnosing malignant thyroid nodules. The purpose of this study was to compare the classification performance of linear and nonlinear machine-learning algorithms for the evaluation of thyroid nodules using pathological reports as reference standard. Methods: Ethical approval was obtained for this retrospective analysis, and the informed consent requirement was waived. A total of 1179 thyroid nodules (training cohort, n=700; validation cohort, n=479) were confirmed by pathological reports or fine-needle aspiration (FNA) biopsy. The following ultrasonography (US) featu res were measured for each nodule: size (maximum diameter), margins, shape, aspect ratio, capsule, hypoechoic halo, composition, echogenicity, calcification pattern, vascularity, and cervical lymph node status. We analyzed five nonlinear and three linear machine-learning algorithms. The diagnostic performance of each algorithm was compared by using the area under the curve (AUC) of the receiver operating characteristic curve. We repeated this process 1000 times to obtain the mean AUC and 95% confidence interval (CI). Results: Overall, nonlinear machine-learning algorithms demonstrated similar AUCs compared with linear algorithms. The Random Forest and Kernel Support Vector Machines algorithms achieved slightly greater AUCs in the validation cohort (0.954, 95% CI: 0.939–0.969; 0.954 95%CI: 0.939–0.969, respectively) than other algorithms. Conclusions: Overall, nonlinear machine-learning algorithms share similar performance compared with linear algorithms for the evaluation the malignancy risk of thyroid nodules.
    Keywords: Thyroid nodule | Ultrasonography | Diagnosis | Machine learning | Area under the curve


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 7
    حجم فایل: 816 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی