In this research report, a differen

In this research report, a different and enhanced approach is proposed for mammographic diagnosis for breast biopsy outcome predictions utilizing a neural network classification model and ROC curve evaluation. This classification model contains two components: a training model and a diagnostic model. The training model is based on a two-stage back-propagation neural network approach, along with an iterative training method and an adjustable learning rate. The diagnostic model is able to distinguish and classify malignant breast cancers and benign diseases for breast biopsy outcome predictions. The probability of misclassification error and performance of the proposed classification model were evaluated using the model sensitivity, specificity, and ROC curve analysis.

ผลลัพธ์ (ไทย) 1:

ในรายงานวิจัยนี้ มีเสนอวิธีต่าง ๆ และเพิ่มการคาดคะเนผลตรวจชิ้นเนื้อเต้านมที่ใช้แบบจำลองโครงข่ายประสาทประเภทและประเมินเส้นโค้ง ROC mammographic วินิจฉัย แบบจำลองประเภทนี้ประกอบด้วยส่วนประกอบสอง: แบบฝึกและแบบจำลองการวินิจฉัย แบบฝึกอยู่สองหลังเผยแพร่เครือข่ายประสาทวิธี วิธีการฝึกซ้ำและอัตราการเรียนรู้สามารถปรับ แบบวิเคราะห์สามารถแยกแยะ และจัดประเภทโรคอ่อนโยนสำหรับคาดคะเนผลการตรวจชิ้นเนื้อเต้านมและมะเร็งเต้านมที่ร้ายแรงได้ ความเป็นไปได้ของข้อผิดพลาด misclassification และประสิทธิภาพของรูปแบบการนำเสนอประเภทได้ถูกประเมินโดยใช้ความไวรุ่น specificity การวิเคราะห์เส้นโค้ง ROC

ผลลัพธ์ (ไทย) 2:

ในรายงานการวิจัยนี้เป็นวิธีการที่แตกต่างกันและมีการเสนอเพิ่มขึ้นสำหรับการวินิจฉัย mammographic สำหรับการตรวจชิ้นเนื้อเต้านมการคาดการณ์ผลการใช้รูปแบบการจัดหมวดหมู่เครือข่ายประสาทและการประเมินผลโค้ง ROC รูปแบบการจัดหมวดหมู่นี้มีสองส่วน: รูปแบบการฝึกอบรมและรูปแบบการวินิจฉัย รูปแบบการฝึกอบรมจะขึ้นอยู่กับสองขั้นตอนหลังการขยายพันธุ์วิธีเครือข่ายประสาทพร้อมกับวิธีการฝึกอบรมซ้ำและปรับอัตราการเรียนรู้ รูปแบบการวินิจฉัยสามารถแยกแยะความแตกต่างและแยกประเภทการเกิดโรคมะเร็งเต้านมและโรคมะเร็งเป็นพิษเป็นภัยสำหรับการตรวจชิ้นเนื้อเต้านมการคาดการณ์ผล ความน่าจะเป็นของความผิดพลาดจำแนกและประสิทธิภาพการทำงานของรูปแบบการจัดหมวดหมู่ที่นำเสนอได้รับการประเมินโดยใช้รูปแบบความไวความจำเพาะและการวิเคราะห์โค้ง ROC

ผลลัพธ์ (ไทย) 3:

ในรายงานวิจัยนี้ เป็นวิธีที่แตกต่างกันและการเสนอปัญหาการวินิจฉัยชิ้นเนื้อเต้านมผลการคาดการณ์การใช้รูปแบบการจำแนกเครือข่ายประสาทและประเมินผลเส้นโค้ง ROC . รูปแบบหมวดหมู่นี้ประกอบด้วยสององค์ประกอบ : แบบฝึกและแบบวินิจฉัย การฝึกอบรมรูปแบบจะขึ้นอยู่กับสอง back-propagation ประสาทเครือข่ายเข้าถึงพร้อมกับวิธีการอบรมซ้ำ และอัตราการเรียนรู้ที่สามารถปรับ รูปแบบการวินิจฉัยสามารถแยกแยะและจำแนกมะเร็งเต้านมมะเร็งเนื้องอกเต้านมและโรคเนื้อเยื่อคาดคะเนผล ความน่าจะเป็นของความผิดพลาดผิดพลาดและประสิทธิภาพของรูปแบบ ได้แก่ การนำเสนอ การใช้แบบจำลองมีความไว ความจำเพาะ และการวิเคราะห์เส้นโค้ง ROC .