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:
本文将机器学习方法应用到医疗领域,使用机器学习方法对传统肿瘤病理检测方法进行改进,找到一种辅助医疗人员进行肿瘤分类的分类器模型.首先对原始数据进行特征工程,之后通过一种集成学习方法对肿瘤样本进行学习,最终找出一个合适的肿瘤分类模型.
推荐文章
机器学习在乳腺肿瘤分类检测中的应用研究
乳腺肿瘤
机器学习
性能比较
基于机器学习的血细胞分类研究进展
机器学习
图像处理
分类
血液细胞
基于机器学习算法的网络入侵检测
网络安全
入侵行为
机器学习算法
入侵检测
分类器
检测误差
不同机器学习模型对钢板缺陷分类的性能比较
钢板缺陷分类
机器学习
CART
RF
MLPNN
CNN
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 机器学习的肿瘤分类检测
来源期刊 福建质量管理 学科
关键词 特征工程 集成学习 肿瘤分类
年,卷(期) 2019,(13) 所属期刊栏目 学术探讨
研究方向 页码范围 241-242
页数 2页 分类号
字数 3433字 语种 中文
DOI 10.3969/j.issn.1673-9604.2019.13.189
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 韩宝燕 山东工艺美术学院公共课教学部 64 77 5.0 7.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
特征工程
集成学习
肿瘤分类
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
福建质量管理
半月刊
1673-9604
35-1087/F
大16开
福建省福州市鼓楼区洪山园路洪山科技园福建节能大厦1号楼2层
1980
chi
出版文献量(篇)
25858
总下载数(次)
444
总被引数(次)
4005
论文1v1指导