دانلود مقاله انگلیسی رایگان:پیش بینی متاستاز سرطان پستان با استفاده از نشانگرهای سرمی و داده های کلینیکوپاتولوژیکی با فن آوری های یادگیری ماشین - 2019
دانلود بهترین مقالات isi همراه با ترجمه فارسی
دانلود مقاله انگلیسی یادگیری ماشین رایگان
  • Predicting breast cancer metastasis by using serum biomarkers and clinicopathological data with machine learning technologies Predicting breast cancer metastasis by using serum biomarkers and clinicopathological data with machine learning technologies
    Predicting breast cancer metastasis by using serum biomarkers and clinicopathological data with machine learning technologies

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Predicting breast cancer metastasis by using serum biomarkers and clinicopathological data with machine learning technologies


    ترجمه فارسی عنوان مقاله:

    پیش بینی متاستاز سرطان پستان با استفاده از نشانگرهای سرمی و داده های کلینیکوپاتولوژیکی با فن آوری های یادگیری ماشین


    منبع:

    Sciencedirect - Elsevier - International Journal of Medical Informatics, 128 (2019) 79-86: doi:10:1016/j:ijmedinf:2019:05:003


    نویسنده:

    Yi-Ju Tsenga,b,c, Chuan-En Huanga, Chiao-Ni Wenb,d, Po-Yin Laib, Min-Hsien Wue,f,g, Yu-Chen Sunb, Hsin-Yao Wangb,h,i,⁎, Jang-Jih Lu


    چکیده انگلیسی:

    Background: Approximately 10%–15% of patients with breast cancer die of cancer metastasis or recurrence, and early diagnosis of it can improve prognosis. Breast cancer outcomes may be prognosticated on the basis of surface markers of tumor cells and serum tests. However, evaluation of a combination of clinicopathological features may offer a more comprehensive overview for breast cancer prognosis. Materials and methods: We evaluated serum human epidermal growth factor receptor 2 (sHER2) as part of a combination of clinicopathological features used to predict breast cancer metastasis using machine learning algorithms, namely random forest, support vector machine, logistic regression, and Bayesian classification algorithms. The sample cohort comprised 302 patients who were diagnosed with and treated for breast cancer and received at least one sHER2 test at Chang Gung Memorial Hospital at Linkou between 2003 and 2016. Results: The random-forest-based model was determined to be the optimal model to predict breast cancer metastasis at least 3 months in advance; the correspondingarea under the receiver operating characteristic curve value was 0. 75 (p < 0. 001). Conclusion: The random-forest-based model presented in this study may be helpful as part of a follow-up intervention decision support system and may lead to early detection of recurrence, early treatment, and more favorable outcomes.
    Keywords: Breast cancer | Machine learning | Prediction model | Cancer prognosis


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 8
    حجم فایل: 1061 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