دانلود مقاله انگلیسی رایگان:تعیین نشانگرهای زیستی مربوط به پیش بینی سرطان پستان با استفاده از خصوصیات آنتروپومتریک و کلینیکی: بررسی مقایسه ای در پارادایم یادگیری ماشین - 2019
بلافاصله پس از پرداخت دانلود کنید
دانلود مقاله انگلیسی سیستم های خبره رایگان
  • Determining relevant biomarkers for prediction of breast cancer using anthropometric and clinical features: A comparative investigation in machine learning paradigm Determining relevant biomarkers for prediction of breast cancer using anthropometric and clinical features: A comparative investigation in machine learning paradigm
    Determining relevant biomarkers for prediction of breast cancer using anthropometric and clinical features: A comparative investigation in machine learning paradigm

    سال انتشار:

    2019


    عنوان انگلیسی مقاله:

    Determining relevant biomarkers for prediction of breast cancer using anthropometric and clinical features: A comparative investigation in machine learning paradigm


    ترجمه فارسی عنوان مقاله:

    تعیین نشانگرهای زیستی مربوط به پیش بینی سرطان پستان با استفاده از خصوصیات آنتروپومتریک و کلینیکی: بررسی مقایسه ای در پارادایم یادگیری ماشین


    منبع:

    Sciencedirect - Elsevier - Integrative Medicine Research, 39 (2019) 393-409: doi:10:1016/j:bbe:2019:03:001


    نویسنده:

    Bikesh Kumar Singh *


    چکیده انگلیسی:

    Early detection of breast cancer plays crucial role in planning and result of associated treatment. The purpose of this article is threefold: (i) to investigate whether or not clinical features obtained using routine blood analysis combined with anthropometric measure- ments can be utilized for envisaging breast cancer using predictive machine learning techniques; (ii) to explore the role of various machine learning components such as feature selection, data division protocols and classification to determine suitable biomarkers for breast cancer prediction; and (iii) to evaluate a recent database of clinical and anthropometric measurements acquired from normal individuals and individuals suffering from breast cancer. A database consisting of anthropometric and clinical attributes is used in the experiments. Various feature selection and statistical significance analysis methods are used to determine the relevance of various features. Furthermore, popular classifiers such as kernel based support vector machine (SVM), Naïve Bayesian, linear discriminant, quadratic discriminant, logistic regression, K-nearest neighbor (K-NN) and random forest were implemented and evaluated for breast cancer risk prediction using these features. Results of feature selection techniques indicate that among the nine features considered in this study, glucose, age and resistin are found to be most relevant and effective biomarkers for breast cancer prediction. Further, when these three features are used for classification, the medium K-NN classifier achieves the highest classification accuracy of 92.105% followed by medium Gaussian SVM which achieves classification accuracy of 83.684% under hold out data division protocol.
    Keywords: Breast cancer biomarkers | Machine learning | Expert systems | Clinical features | Feature selection


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 17
    حجم فایل: 2414 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