用机器学习方法预测乳腺癌恶性程度

E. Lestari, Woro Isti Rahayu
{"title":"用机器学习方法预测乳腺癌恶性程度","authors":"E. Lestari, Woro Isti Rahayu","doi":"10.36040/jati.v7i3.6963","DOIUrl":null,"url":null,"abstract":"Penelitian ini adalah sebuah laporan yang mengulas prediksi dan klasifikasi kanker payudara dengan tujuan untuk mengeksplorasi bagaimana prediksi dan klasifikasi kanker payudara telah dilakukan dalam lima tahun terakhir dan mencari model dengan tingkat akurasi tinggi. Ragam variasi data menjadi informasi berharga dalam klasifikasi dan prediksi kanker payudara. Dilakukan sebuah tinjauan literatur sistematis dengan mengkaji artikel-artikel menggunakan alat \"publish or perish\" dan kata kunci \"breast cancer classification\" + \"machine learning\", serta menerapkan kriteria inklusi dan eksklusi. Terdapat 44 artikel yang telah dikumpulkan, kemudian disaring dengan menerapkan kriteria inklusi dan eksklusi sehingga terpilih 14 artikel yang termasuk dalam kategori artikel terpilih. Hasilnya, metode yang banyak digunakan adalah deep learning, dengan dataset kanker payudara Wisconsin yang sering digunakan dalam penelitian ini. Evaluasi kinerja yang umum digunakan meliputi akurasi, presisi, recall, F1-score, dan AUC. Model dengan tingkat akurasi tinggi adalah jaringan saraf dalam deep learning dengan tingkat akurasi sebesar 99,7%.","PeriodicalId":329787,"journal":{"name":"JATI (Jurnal Mahasiswa Teknik Informatika)","volume":"57 9 1","pages":""},"PeriodicalIF":0.0000,"publicationDate":"2023-11-30","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"PREDIKSI KEGANASAN KANKER PAYUDARA DENGAN PENDEKATAN MACHINE LEARNING\",\"authors\":\"E. Lestari, Woro Isti Rahayu\",\"doi\":\"10.36040/jati.v7i3.6963\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"Penelitian ini adalah sebuah laporan yang mengulas prediksi dan klasifikasi kanker payudara dengan tujuan untuk mengeksplorasi bagaimana prediksi dan klasifikasi kanker payudara telah dilakukan dalam lima tahun terakhir dan mencari model dengan tingkat akurasi tinggi. Ragam variasi data menjadi informasi berharga dalam klasifikasi dan prediksi kanker payudara. Dilakukan sebuah tinjauan literatur sistematis dengan mengkaji artikel-artikel menggunakan alat \\\"publish or perish\\\" dan kata kunci \\\"breast cancer classification\\\" + \\\"machine learning\\\", serta menerapkan kriteria inklusi dan eksklusi. Terdapat 44 artikel yang telah dikumpulkan, kemudian disaring dengan menerapkan kriteria inklusi dan eksklusi sehingga terpilih 14 artikel yang termasuk dalam kategori artikel terpilih. Hasilnya, metode yang banyak digunakan adalah deep learning, dengan dataset kanker payudara Wisconsin yang sering digunakan dalam penelitian ini. Evaluasi kinerja yang umum digunakan meliputi akurasi, presisi, recall, F1-score, dan AUC. Model dengan tingkat akurasi tinggi adalah jaringan saraf dalam deep learning dengan tingkat akurasi sebesar 99,7%.\",\"PeriodicalId\":329787,\"journal\":{\"name\":\"JATI (Jurnal Mahasiswa Teknik Informatika)\",\"volume\":\"57 9 1\",\"pages\":\"\"},\"PeriodicalIF\":0.0000,\"publicationDate\":\"2023-11-30\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"JATI (Jurnal Mahasiswa Teknik Informatika)\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.36040/jati.v7i3.6963\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"\",\"JCRName\":\"\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"JATI (Jurnal Mahasiswa Teknik Informatika)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.36040/jati.v7i3.6963","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

摘要

本研究是一份回顾乳腺癌预测和分类的报告,旨在探索过去五年中乳腺癌预测和分类的方法,并寻找具有高准确性的模型。各种各样的数据为乳腺癌分类和预测提供了有价值的信息。通过使用 "发表或毁灭 "工具和关键词 "乳腺癌分类 "+"机器学习",并应用纳入和排除标准,对文章进行了系统的文献综述。共收集了 44 篇文章,并根据纳入和排除标准进行了筛选,最终选出了 14 篇文章。结果,使用最广泛的方法是深度学习,威斯康星州乳腺癌数据集在本研究中被频繁使用。常用的性能评估包括准确率、精确度、召回率、F1-score 和 AUC。准确率最高的模型是深度学习中的神经网络,准确率为 99.7%。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
PREDIKSI KEGANASAN KANKER PAYUDARA DENGAN PENDEKATAN MACHINE LEARNING
Penelitian ini adalah sebuah laporan yang mengulas prediksi dan klasifikasi kanker payudara dengan tujuan untuk mengeksplorasi bagaimana prediksi dan klasifikasi kanker payudara telah dilakukan dalam lima tahun terakhir dan mencari model dengan tingkat akurasi tinggi. Ragam variasi data menjadi informasi berharga dalam klasifikasi dan prediksi kanker payudara. Dilakukan sebuah tinjauan literatur sistematis dengan mengkaji artikel-artikel menggunakan alat "publish or perish" dan kata kunci "breast cancer classification" + "machine learning", serta menerapkan kriteria inklusi dan eksklusi. Terdapat 44 artikel yang telah dikumpulkan, kemudian disaring dengan menerapkan kriteria inklusi dan eksklusi sehingga terpilih 14 artikel yang termasuk dalam kategori artikel terpilih. Hasilnya, metode yang banyak digunakan adalah deep learning, dengan dataset kanker payudara Wisconsin yang sering digunakan dalam penelitian ini. Evaluasi kinerja yang umum digunakan meliputi akurasi, presisi, recall, F1-score, dan AUC. Model dengan tingkat akurasi tinggi adalah jaringan saraf dalam deep learning dengan tingkat akurasi sebesar 99,7%.
求助全文
通过发布文献求助,成功后即可免费获取论文全文。 去求助
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信