الأبحاث المرتبطة بالكلمة المفتاحية: مجموعة بيانات سرطان الثدي في ويسكونسن
-
الاستقرار وقابلية التفسير لنماذج الانحدار اللوجستي المعاقب لتوقع خطر سرطان الثدي
2026 | المؤلف: Francis Okyere وآخرون | المجلة: PLoS ONE | المجال: الإحصاء والاحتمالات (Statistics and Probability)تقيّم هذه الدراسة استقرار وقابلية تفسير طرق الانحدار اللوجستي المعاقب—الريج، اللاسو، والشبكة المرنة—في سياق تشخيص سرطان الثدي باستخدام مجموعة بيانات تشخيص سرطان الثدي في ويسكونسن. تبرز الأبحاث أنه بينما حققت جميع النماذج تمييزًا قريبًا من الكمال وتحسينًا في المعايرة مقارنةً بالانحدار اللوجستي غير المعاقب، إلا أنها اختلفت بشكل كبير من حيث استقرار الميزات وندرتها. أظهر…
-
تحسين الخصائص لتحسين توقع سرطان الثدي باستخدام تقنيات التعلم الآلي
2026 | المؤلف: Raghavendra Srinivasaiah وآخرون | المجلة: IAES International Journal of Artificial Intelligence | المجال: إدارة المعلومات الصحية (Health Information Management)تتناول هذه الورقة البحثية تحسين خصائص مجموعة البيانات في تشخيص سرطان الثدي (BC) لتعزيز دقة التنبؤ وتقليل الوقت المطلوب لنتائج الاختبارات. يؤثر سرطان الثدي بشكل أساسي على النساء، ويمكن أن تعيق عملية الاختبار الطويلة العلاج في الوقت المناسب. تستخدم الدراسة تقنية الإزالة التكرارية للميزات (RFE) لتبسيط مجموعة البيانات، مع التركيز على مجموعة بيانات تشخيص سرطان…
-
إطار دمج موزع لتوقع تكرار سرطان الثدي باستخدام
2026 | المؤلف: Prachi Damodhar Shahare وآخرون | المجلة: Scientific Reports | المجال: إدارة المعلومات الصحية (Health Information Management)تقدم البحث إطار عمل هجين متماشي مع MapReduce يهدف إلى توقع تكرار سرطان الثدي، مع معالجة تحديات كبيرة مثل العوامل السريرية غير المتجانسة، ومجموعات البيانات غير المتوازنة، والطبيعة اللامركزية للسجلات الطبية. يدمج هذا الإطار أشجار تعزيز التدرج (GBT) المستندة إلى Spark الموزعة، وتمثيلات كامنة مستمدة من مشفرات تلقائية لإزالة الضوضاء (AE)، وXGBoost المعاير، والهياكل العميقة…
