Vorhersage von Brustkrebs mit verschiedenen Methoden des maschinellen Lernens

Brustkrebs ist eine schreckliche Krankheit, die nach Hautkrebs am häufigsten bei Frauen auftritt und eine der Hauptursachen für den Anstieg der Sterblichkeitsrate ist. Die Screening-Mammographie ist das operative Verfahren zur Erkennung von Massen und Anomalien im Zusammenhang mit Brustkrebs. Digitale Mammogramme sind eine äußerst wirksame Methode zur Früherkennung von Krebs bei Frauen ohne Symptome und zur Diagnose von Krebs bei Frauen mit Symptomen wie Schmerzen im Knoten oder Ausfluss aus der Brustwarze, was die Sterblichkeit verringert und die Überlebenschancen erhöht. In der Regel hat der Arzt nicht die Zeit, die Beschwerden der Patientin abzuwägen und eine mögliche Diagnose zu stellen, indem er frühere Aufzeichnungen berücksichtigt, wodurch die Gefahr von medizinischen Fehlern und falschen Diagnosen steigt. Durch den Einsatz von maschinellem Lernen bei der Diagnose von Brustkrebs wird die Genauigkeit verbessert, indem Fehlklassifikationen reduziert und Zeit bei der Diagnose gespart wird. Die vorgeschlagene Arbeit ist eine instinktive Klassifizierung von Mammogrammbildern als gutartig, bösartig und normal unter Verwendung verschiedener maschineller Lernalgorithmen. Die Klassifizierung ist eine Identifizierungstechnik, mit der konsolidierte Daten in verschiedene Kategorien eingeteilt werden.

Autorentext

Dr. B.V.Kiranmayee, actualmente trabaja como Profesor Asociado en el Departamento de Ciencias de la Computación e Ingeniería, VNRVJIET, afiliado a la Universidad Tecnológica Jawaharlal Nehru de Hyderabad. Dr. Chalumuru Suresh, actualmente trabaja como profesor asistente en el Departamento de CSE en el Instituto de Ingeniería y Tecnología VNR Vignana Jyothi.