通过降维算法与分类算法的多模态集成进行转移性乳腺癌预后预测
人工智能
2023-09-20 v1
摘要
机器学习(ML)是人工智能(AI)的一个分支,计算机借此分析数据并发现其中的模式。本研究聚焦于利用ML检测转移性癌症。转移性癌症是指癌症已扩散至身体其他部位,约占癌症相关死亡的90%。通常,病理学家每天需花费数小时手动分类肿瘤为良性或恶性。这一繁琐任务导致转移误标率超过60%,凸显了关注人为误差及其他低效问题的重要性。ML是改善转移性癌症正确识别的良好候选方案,可挽救数千生命,并提升流程的速度与效率,从而减少资源与时间消耗。迄今,AI的深度学习方法论已被用于癌症检测研究。本研究采用一种新方法,评估预处理算法结合分类算法在检测转移性癌症中的潜力。研究使用了两种预处理算法:主成分分析(PCA)与遗传算法以降低数据集维度,随后使用三种分类算法:逻辑回归、决策树分类器与k近邻,在病理扫描中检测转移性癌症。由PCA、遗传算法与k近邻算法构成的ML流水线取得了71.14%的最高准确率,表明预处理与分类算法在检测转移性癌症方面具有巨大潜力。
引用
@article{arxiv.2309.10324,
title = {Metastatic Breast Cancer Prognostication Through Multimodal Integration of Dimensionality Reduction Algorithms and Classification Algorithms},
author = {Bliss Singhal and Fnu Pooja},
journal= {arXiv preprint arXiv:2309.10324},
year = {2023}
}
备注
10 pages, 14 figures