作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
大数据时代,海量的乳腺癌检测数据给机器学习训练带来可能,机器学习作为及其重要的数据挖掘手段,可在乳腺癌的医疗诊断中更加精确快速的检测出疑似患者.基于机器学习经典的逻辑回归、决策树、KNN、支持向量机等算法,对数据样本进行分类训练,实验结果发现KNN的表现优异,准确率高达96.6%.该应用在改善乳腺癌诊断中过度依赖医生经验上有较大帮助.
推荐文章
小波在乳腺癌计算机辅助诊断中的应用综述
小波
乳腺X影像
计算机辅助诊断
微小RNA在乳腺癌诊断和治疗中的研究进展
微小核糖核酸
癌基因
乳腺癌
基于深度学习的人工智能技术在乳腺癌筛查及影像诊断中的应用进展
乳腺X线摄影
乳腺癌筛查
深度学习
人工智能辅助诊断
早期乳腺癌的诊断体会
乳腺肿瘤
早期诊断
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 机器学习在乳腺癌诊断中的应用
来源期刊 信息通信 学科 工学
关键词 数据挖掘 机器学习 分类算法 乳腺癌
年,卷(期) 2019,(7) 所属期刊栏目 学术研究
研究方向 页码范围 18-21
页数 4页 分类号 TP391.41
字数 4868字 语种 中文
DOI 10.3969/j.issn.1673-1131.2019.07.009
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 孔德锋 湖北工业大学电气与电子工程学院 3 1 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (39)
共引文献  (1339)
参考文献  (5)
节点文献
引证文献  (1)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(1)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(1)
  • 二级参考文献(1)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
数据挖掘
机器学习
分类算法
乳腺癌
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息通信
月刊
1673-1131
42-1739/TN
大16开
湖北省武汉市
1987
chi
出版文献量(篇)
18968
总下载数(次)
92
总被引数(次)
34323
论文1v1指导