cancer diagnosis and treatment invo

cancer diagnosis and treatment involves discovering and classifying cancer types. Most of the previous works involve the single clustering algorithms. In Golub’swork [3], the self-organizing feature map and neighbourhood analysis were adopted to discover two types of human acute leukemia, which are acute myeloid leukemia (AML) and acute lymphoblastic leukemia (ALL). In Wigle’s work [4], clustering approaches and statistical analysis were adopted to identify non-small cell lung cancer (NSCLC) from the normal cases. These works include certain limitations such as lack of robustness, stability and accuracy. But in our paper, we have adopted the concept called Hierarchical clustering which is one of the multiple clustering algorithms. This is the powerful method for improving both the robustness as well as the stability of unsupervised classification solutions.

ผลลัพธ์ (ไทย) 1:

ตรวจวินิจฉัยโรคมะเร็งและรักษาเกี่ยวข้องกับค้นหา และการจัดประเภทชนิดของมะเร็ง ส่วนใหญ่ทำงานก่อนหน้านี้เกี่ยวข้องกับอัลกอริทึมเดียวระบบคลัสเตอร์ ใน Golub'swork [3], การจัดการตนเองคุณลักษณะแผนที่และเขียนวิเคราะห์ได้นำเยือนสองชนิดของมนุษย์เฉียบพลันมะเร็งเม็ดเลือดขาว มะเร็งเม็ดเลือดขาวใช้ชนิดไมอิลอยด์เฉียบพลัน (ภาษา) และเฉียบพลัน lymphoblastic leukemia (ALL) ในการทำงานของ Wigle [4], วิธีระบบคลัสเตอร์และการวิเคราะห์ทางสถิติได้นำเพื่อระบุขนาดเล็กที่ไม่ใช่เซลล์มะเร็งปอด (NSCLC) จากกรณีปกติ งานเหล่านี้รวมถึงข้อจำกัดบางอย่างเช่นขาดเสถียรภาพ ความมั่นคง และความถูกต้อง แต่ในกระดาษของเรา เราได้นำแนวคิดที่เรียกว่า Hierarchical clustering ซึ่งเป็นอัลกอริทึมแบบหลายระบบคลัสเตอร์อย่างใดอย่างหนึ่ง นี้เป็นวิธีมีประสิทธิภาพในการปรับปรุงทั้งเสถียรภาพที่เป็นความมั่นคงของโซลูชั่นประเภท unsupervised

ผลลัพธ์ (ไทย) 2:

การวินิจฉัยโรคมะเร็งและการรักษาที่เกี่ยวข้องกับการค้นพบและจำแนกชนิดมะเร็ง ส่วนใหญ่ของการทำงานก่อนหน้านี้ที่เกี่ยวข้องกับขั้นตอนวิธีการจัดกลุ่มเดียว ใน Golub'swork [3], แผนที่ของคุณลักษณะจัดการตนเองและการวิเคราะห์พื้นที่ใกล้เคียงเป็นบุตรบุญธรรมที่จะค้นพบทั้งสองประเภทของโรคมะเร็งเม็ดเลือดขาวเฉียบพลันของมนุษย์ซึ่งเป็นเฉียบพลันมะเร็งเม็ดเลือดขาวชนิด (AML) และเป็น acute lymphoblastic leukemia (ALL) ในการทำงานของ Wigle [4] วิธีการจัดกลุ่มและการวิเคราะห์ทางสถิติที่ถูกนำมาใช้เพื่อระบุไม่ใช่เซลล์มะเร็งปอดขนาดใหญ่ (NSCLC) จากกรณีปกติ ผลงานเหล่านี้รวมถึงข้อ จำกัด บางอย่างเช่นการขาดความมั่นคงแข็งแรงและความถูกต้อง แต่ในกระดาษของเราเราได้นำแนวคิดที่เรียกว่าการจัดกลุ่มตามลำดับชั้นซึ่งเป็นหนึ่งในการจัดกลุ่มขั้นตอนวิธีการหลาย ๆ นี้เป็นวิธีที่มีประสิทธิภาพสำหรับการปรับปรุงทั้งความทนทานเช่นเดียวกับความมั่นคงของการแก้ปัญหาการจัดหมวดหมู่หากิน

ผลลัพธ์ (ไทย) 3:

มะเร็งการวินิจฉัยและการรักษาที่เกี่ยวข้องกับการค้นพบและการจำแนกชนิดของมะเร็ง ที่สุดของผลงานก่อนหน้านี้ที่เกี่ยวข้องกับเดี่ยวการจัดกลุ่มขั้นตอนวิธี ใน golub'swork [ 3 ] , บนแผนที่และการวิเคราะห์คุณสมบัติใกล้เคียงเป็นลูกบุญธรรมค้นพบสองชนิดของมะเร็งเม็ดเลือดขาวเฉียบพลันของมนุษย์ซึ่งเป็นลูคีเมียชนิดเฉียบพลัน ( acute lymphoblastic leukemia ( AML ) และทั้งหมด ) ใน wigle งาน [ 4 ]สำหรับแนวทางและการวิเคราะห์ทางสถิติที่ใช้เพื่อระบุมะเร็งปอดเซลล์ขนาดเล็ก ( NSCLC ) จากกรณีปกติ งานเหล่านี้รวมถึงข้อ จำกัด บางอย่างเช่นการขาดเสถียรภาพ ความมั่นคง และความถูกต้อง แต่ในบทความของเรา เราได้ใช้แนวคิดที่เรียกว่าการจัดกลุ่มลำดับชั้น ซึ่งเป็นหนึ่งในกลุ่มหลายขั้นตอนวิธีวิธีนี้เป็นวิธีที่มีประสิทธิภาพเพื่อเพิ่มทั้งความแข็งแกร่ง ตลอดจนเสถียรภาพของ unsupervised การโซลูชั่น