生物医学数据挖掘国际期刊
开放获取

抽象的

采用增量学习算法方法进行乳腺癌大规模分类的神经网络

Zribi M 和 Boujelbene Y

由于乳腺癌具有很强的侵袭性，只有早期发现才能预防死亡。拟议的系统旨在消除不必要的等待时间，并减少诊断乳腺癌时的人为和技术错误。乳腺癌的正确诊断是医学领域的主要问题之一。从文献中发现，不同的模式识别技术可以帮助他们在这个领域取得进步。本文使用带有增量学习算法的神经网络作为工具，通过选择最相关的风险因素和乳腺癌诊断决策来对乳房肿块（良性和恶性）进行分类。威斯康星州乳腺癌数据库 (WBCD)。使用分类准确性、敏感性和特异性分析以及混淆矩阵来测试具有增量学习算法性能的 ANN。获得的分类准确率达到 99.95%，与之前已经应用的算法和应用于同一数据库的最新分类技术相比，这是一个非常有希望的结果。