A Model for Predicting Cervical Cancer Using Machine Learning Algorithms.
A Model for Predicting Cervical Cancer Using Machine Learning Algorithms.
复制标题
DOI：
10.3390/s22114132
复制
发表时间：
2022-05-29
期刊：
影响因子：
--
通讯作者：
中科院分区：
文献类型：
--
作者：
越来越多的个人和组织正在转向机器学习（ML）和深度学习（DL）来分析大量数据并产生可操作的见解。使用基于ml的方案预测严重疾病的早期阶段，包括癌症、肾衰竭和心脏病发作，在医疗实践中变得越来越普遍。宫颈癌是女性中最常见的疾病之一，早期诊断可能是预防这种癌症的一种可能的解决方案。因此，本研究提出了一种使用ML算法预测宫颈癌的机敏方法。研究数据集、数据预处理、预测模型选择（PMS）和伪代码是提出的研究技术的四个阶段。PMS部分报告了一系列经典机器学习方法的实验，包括决策树（DT）、逻辑回归（LR）、支持向量机（SVM）、k近邻算法（KNN）、自适应增强、梯度增强、随机森林和XGBoost。在宫颈癌预测方面，随机森林（RF）、决策树（DT）、自适应增强和梯度增强算法的分类得分最高，达到100%。相比之下，SVM的准确率达到99%。通过计算经典机器学习技术的计算复杂度来评估模型的有效性。此外，作为本研究的一部分，对132名沙特阿拉伯志愿者进行了民意调查，以了解他们对计算机辅助宫颈癌预测的看法，将注意力集中在人类乳头瘤病毒（HPV）上。
A growing number of individuals and organizations are turning to machine learning (ML) and deep learning (DL) to analyze massive amounts of data and produce actionable insights. Predicting the early stages of serious illnesses using ML-based schemes, including cancer, kidney failure, and heart attacks, is becoming increasingly common in medical practice. Cervical cancer is one of the most frequent diseases among women, and early diagnosis could be a possible solution for preventing this cancer. Thus, this study presents an astute way to predict cervical cancer with ML algorithms. Research dataset, data pre-processing, predictive model selection (PMS), and pseudo-code are the four phases of the proposed research technique. The PMS section reports experiments with a range of classic machine learning methods, including decision tree (DT), logistic regression (LR), support vector machine (SVM), K-nearest neighbors algorithm (KNN), adaptive boosting, gradient boosting, random forest, and XGBoost. In terms of cervical cancer prediction, the highest classification score of 100% is achieved with random forest (RF), decision tree (DT), adaptive boosting, and gradient boosting algorithms. In contrast, 99% accuracy has been found with SVM. The computational complexity of classic machine learning techniques is computed to assess the efficacy of the models. In addition, 132 Saudi Arabian volunteers were polled as part of this study to learn their thoughts about computer-assisted cervical cancer prediction, to focus attention on the human papillomavirus (HPV).
登录
查看更多内容
妇女对预防宫颈癌的知识和态度：乌干达东部的横断面研究。
DOI：
10.1186/s12905-017-0365-3
发表时间：
2017-01-31
期刊：
BMC women's health
影响因子：
--
作者：
Mukama T;Ndejjo R;Musabyimana A;Halage AA;Musoke D
通讯作者：
Musoke D
影响因子：
5.2
作者：
Rehman, Oneeb;Zhuang, Hanqi;Li, Zhongwei
通讯作者：
Li, Zhongwei
影响因子：
3.9
作者：
Li, Jian Ping;Ul Haq, Amin;Saboor, Abdus
通讯作者：
Saboor, Abdus
影响因子：
3.9
作者：
Kable, Ashley K.;Pich, Jacqueline;Maslin-Prothero, Sian E.
通讯作者：
Maslin-Prothero, Sian E.
影响因子：
5.2
作者：
Mao YJ;Lim HJ;Ni M;Yan WH;Wong DW;Cheung JC
通讯作者：
Cheung JC