this might suggest that there could

this might suggest that there could be many factors responsible for impeding the reproducibility of the results, ranging from the expertise, amount of stress and tiredness of the pathologists to the level of diligence when looking at the specimens Furthermore, various researchers implicitly acknowledge this problem when they recommend, for complicated cases, the triple approach: the agreement among the surgeon, the radiologist and the pathologist with their respective findings (clinical,mammographic and cytological). Due to the mentioned situations, a natural and sensible question arises: is it possible to construct computational support tools that help reduce this subjectivity? In this paper, we explore the possibility of extracting some “objective” features, from a database, relevant for determining the presence/absence of breast cancer using a graphical-modeling approach called Bayesian networks (BNs). Such an approach allows both the visual representation of the probabilistic interactions among variables of interest and the quantitative measure of the impact of those interactions. These two important properties permit to perform some inferential processes, such as prognosis and diagnosis. Thus, the main contributions of this paper are twofold: (a) we assess the performance of seven BN classifiers in order to determine their effectiveness for accurately diagnosing breast cancer using two real-world breast cancer datasets, and (b) by using such an approach, we measure the magnitude of the interobserver variability implicitly contained in these data.

ผลลัพธ์ (ไทย) 1:

นี้อาจแนะนำว่า อาจมีปัจจัยหลายอย่างที่ชอบ impeding reproducibility ของผลลัพธ์ ตั้งแต่ความเชี่ยวชาญ ความเครียดและเทวัญดาราสปาของ pathologists ระดับของเพียรมองไว้เป็นตัวอย่าง Furthermore นักวิจัยต่าง ๆ นัยรับทราบปัญหานี้เมื่อพวกเขาขอแนะนำ กรณีที่ซับซ้อน วิธีสาม: ข้อตกลงระหว่างแพทย์ radiologist ที่ และบำบัดการ โดยเปิดเผยตามลำดับ (คลินิก , mammographic และ cytological) จากสถานการณ์ดังกล่าว คำถามที่เป็นธรรมชาติ และเหมาะสมเกิดขึ้น: สามารถสร้างเครื่องมือการสนับสนุนคอมพิวเตอร์ที่ช่วยลด subjectivity นี้ ในเอกสารนี้ เราสำรวจความเป็นไปได้ของการแยกคุณลักษณะบางอย่างของ "วัตถุประสงค์" จากฐานข้อมูล เกี่ยวข้องกับการกำหนดสถานะ/ขาดงานโดยใช้วิธีสร้างแบบจำลองกราฟิกที่เรียกว่าทฤษฎีเครือข่าย (BNs) มะเร็งเต้านม วิธีการทั้งสองภาพของการโต้ตอบ probabilistic ระหว่างตัวแปรของดอกเบี้ยและเกณฑ์วัดผลกระทบของการโต้ตอบเหล่านั้นได้ คุณสมบัติสำคัญสองเหล่านี้อนุญาตให้ทำกระบวนการเพียงน้อยนิดบางอย่าง การคาดคะเนและการวินิจฉัย ดังนั้น การจัดสรรหลักของเอกสารนี้มีอยู่สองประการ: (ก) เราประเมินประสิทธิภาพของคำนามภาษาพันเจ็ดเพื่อกำหนดประสิทธิภาพในการวินิจฉัยมะเร็งเต้านมโดยใช้ 2 datasets มะเร็งเต้านมจริงถูกต้อง และ (ข) โดยวิธีการ เราวัดขนาดของความแปรผัน interobserver ที่ประกอบด้วยนัยในข้อมูลเหล่านี้

ผลลัพธ์ (ไทย) 2:

นี้อาจชี้ให้เห็นว่าอาจจะมีหลายปัจจัยที่รับผิดชอบในการขัดขวางการทำสำเนาของผลตั้งแต่เชี่ยวชาญปริมาณของความเครียดและความเมื่อยล้าของนักพยาธิวิทยาในระดับของความขยันเมื่อมองไปที่ชิ้นงานนอกจากนี้นักวิจัยต่างๆโดยปริยายรับทราบปัญหานี้เมื่อ พวกเขาแนะนำสำหรับกรณีที่ซับซ้อนสามวิธี: ตกลงระหว่างศัลยแพทย์, รังสีแพทย์และอายุรเวชกับผลการวิจัยของตน (คลินิก mammographic และเซลล์วิทยา) เนื่องจากสถานการณ์ดังกล่าวเป็นคำถามที่เป็นธรรมชาติและเหมาะสมเกิดขึ้น: มันเป็นไปได้ที่จะสร้างเครื่องมือสนับสนุนการคำนวณที่ช่วยลดการกระทำนี้หรือไม่? ในบทความนี้เราจะสำรวจความเป็นไปได้ของการแยกบางคุณสมบัติที่ "เป้าหมาย" จากฐานข้อมูลที่เกี่ยวข้องในการพิจารณาว่ามี / ไม่มีโรคมะเร็งเต้านมโดยใช้วิธีการสร้างแบบจำลองแบบกราฟิกที่เรียกว่าเครือข่ายแบบเบย์ (BNS) วิธีการดังกล่าวจะช่วยให้ทั้งการแสดงออกของความน่าจะเป็นปฏิสัมพันธ์ระหว่างตัวแปรที่น่าสนใจและวัดเชิงปริมาณของผลกระทบของการมีปฏิสัมพันธ์เหล่านั้น ทั้งสองคุณสมบัติที่สำคัญในการดำเนินการอนุญาตให้มีกระบวนการอนุมานบางอย่างเช่นการพยากรณ์โรคและการวินิจฉัย ดังนั้นผลงานหลักของบทความนี้เป็นสองเท่า: (ก) เราประเมินประสิทธิภาพการทำงานของเจ็ดพันล้านลักษณนามในการสั่งซื้อเพื่อตรวจสอบประสิทธิภาพของพวกเขาได้อย่างถูกต้องวินิจฉัยมะเร็งเต้านมโดยใช้สองโลกแห่งความจริงชุดข้อมูลโรคมะเร็งเต้านมและ (ข) โดยการใช้ดังกล่าว วิธีการที่เราวัดขนาดของความแปรปรวน interobserver ที่มีอยู่โดยปริยายในข้อมูลเหล่านี้

ผลลัพธ์ (ไทย) 3:

นี้อาจจะแนะนำว่า อาจมีปัจจัยที่รับผิดชอบทำให้กระชับผลลัพธ์มากมาย ตั้งแต่ความเชี่ยวชาญ ปริมาณของความเครียดและความเหน็ดเหนื่อยของพยาธิวิทยาในระดับของความเพียร เมื่อมองไปที่ชิ้นงาน นอกจากนี้ นักวิจัยต่างๆโดยปริยาย รับทราบปัญหานี้เมื่อพวกเขาแนะนำสำหรับกรณีซับซ้อน วิธีการสาม :ข้อตกลงระหว่างศัลยแพทย์ รังสีแพทย์และพยาธิวิทยากับผลการวิจัยของตน ( คลินิก ๆ และสามารถ ) เนื่องจากการกล่าวถึงสถานการณ์ คำถามที่เป็นธรรมชาติและเหมาะสมเกิดขึ้น : มันเป็นไปได้ที่จะสร้างเครื่องมือสนับสนุนคอมพิวเตอร์ที่ช่วยลดอัตวิสัยนี้ ? ในกระดาษนี้เราสำรวจความเป็นไปได้ของการแยกบางลักษณะที่ " วัตถุประสงค์ "จากฐานข้อมูลที่เกี่ยวข้องเพื่อกำหนดว่ามี / ไม่มีโรคมะเร็งเต้านมโดยใช้กราฟิกแบบจำลองที่เรียกว่าเครือข่ายแบบเบย์ ( BNS ) วิธีการดังกล่าวจะช่วยให้ทั้งภาพแทนของการปฏิสัมพันธ์ระหว่างตัวแปรของดอกเบี้ยและมาตรการเชิงปริมาณของผลกระทบจากปฏิกิริยานั้นทั้งสองที่สำคัญคุณสมบัติที่อนุญาตให้กระทำบางอย่างเชิงกระบวนการ เช่น การพยากรณ์โรคและการวินิจฉัยโรค ดังนั้น การเขียน หลักของบทความนี้คือสองเท่า : ( ) เราประเมินประสิทธิภาพของเจ็ดพันล้านคำลักษณนามในการตรวจสอบประสิทธิภาพของพวกเขาถูกต้องวินิจฉัยมะเร็งเต้านมโดยใช้สองจริงข้อมูลมะเร็งเต้านม และ ( ข ) โดยการใช้เช่นวิธีการการวัดขนาดของ interobserver แปรปรวนคุ้มดีคุ้มร้ายที่มีอยู่ในข้อมูลเหล่านี้