Microwave breast cancer detection via cost-sensitive ensemble classifiers: Phantom and patient investigation

غربالگری پستان مایکروویو به عنوان یک روش مکمل برای استاندارد فعلی ماموگرافی اشعه ایکس پیشنهاد شده است. در این کار، ما سه ساختار طبقه بندی گروهی را طراحی می کنیم که اطلاعات را از چندین سنسور برای شناسایی ناهنجاری های پستان در آورند. رویکرد اصلی نیمان-پیرسون برای کنترل اختلاف بین میزان مثبت کاذب و نرخ منفی کاذب توسعه داده شده است. ما عملکرد را با استفاده از داده های حاصل از اندازه گیری فانتوم های پنهان ناهمگن ارزیابی می کنیم. ما همچنین از داده های جمع آوری شده در یک کارآزمایی بالینی استفاده می کنیم که 12 بیمار سالم را طی یک دوره 8 ماهه بررسی می کند. برای ارزیابی اثربخشی الگوریتم های پیشنهادی، اسکن سینه ها با ضایعات بدخیم را با استفاده مصنوعی از پاسخ های تومور شبیه سازی شده به اسکن های موجود از داوطلبان سالم مدل سازی می کنیم. پاسخ های تومور بر اساس خواص اندازه گیری شده بافت های پستان و اندازه گیری های پستان واقعی ساخته می شوند، بنابراین مدل شبیه سازی ناهمگونی بافت پستان را در نظر می گیرد. الگوریتم هایی که در حال حاضر ارائه می کنیم، از اسکن پستان از سایر بیماران یا فانتوم های پستان شبیه سازی بافت استفاده می کنیم تا در مورد محتوای سینه یاد بگیرند و چه چیزی تومور آزاد را تشخیص می دهند؟ و تومور تحریک مجموعه ای از اندازه گیری ها ما نشان می دهیم که الگوریتم مبتنی بر انتخاب گروه، که مجموعه ای از طبقه بندی های پر محتوایی را ایجاد می کند، به طور قابل توجهی از تکنیک های تشخیص دیگر برای داده های آزمایشگاهی بالینی بهتر است.