An alternative risk evaluation mode

An alternative risk evaluation model for cervical cancer was developed using the BP of an ANN. To test the capacity of this model to predict and classify unknown data, we applied the model to the test data using the coding rule listed in Table 2. The ANN model also demonstrated good classification ability. The predictive results on the test data showed that the accuracy in predicting cervical cancer was 80% in the patient group and 90% in the control group (Table 5), and the back substitution fitting had a high accuracy of classification. A sensitivity of 95.2% and a specificity of 99% were achieved with the ANN model (Table 6). This optimized model is compatible with input parameters.

ผลลัพธ์ (ไทย) 1:

แบบจำลองการประเมินความเสี่ยงทางเลือกสำหรับมะเร็งปากมดลูกถูกพัฒนาโดยใช้ BP ของแอน การทดสอบกำลังการผลิตของรุ่นนี้จะทำนาย และจัดประเภทข้อมูลที่ไม่รู้จัก เราใช้รูปแบบข้อมูลทดสอบใช้กฎรหัสที่แสดงในตารางที่ 2 รุ่นแอนยังแสดงความสามารถในการจัดประเภทดี ผลการทำนายข้อมูลทดสอบพบว่า ความแม่นยำในการทำนายโรคมะเร็งปากมดลูก 80% ในกลุ่มผู้ป่วยและ 90% ในกลุ่มควบคุม (ตาราง 5), และเหมาะสมทดแทนกลับมามีความแม่นยำสูงของประเภท ความไวของ 95.2% และ specificity 99% บรรลุกับรุ่นแอน (ตาราง 6) รุ่นนี้ให้เหมาะกับพารามิเตอร์ป้อนเข้าได้

ผลลัพธ์ (ไทย) 2:

รูปแบบการประเมินความเสี่ยงทางเลือกสำหรับการเป็นมะเร็งปากมดลูกได้รับการพัฒนาโดยใช้ BP ของ ANN เพื่อทดสอบความสามารถของรุ่นนี้ที่จะคาดการณ์และแยกประเภทข้อมูลที่ไม่รู้จักเรานำมาประยุกต์ใช้แบบจำลองข้อมูลการทดสอบโดยใช้กฎการเข้ารหัสที่ระบุไว้ในตารางที่ 2 รูปแบบแอนยังแสดงให้เห็นถึงความสามารถในการจัดหมวดหมู่ที่ดี ผลการทำนายเกี่ยวกับข้อมูลการทดสอบแสดงให้เห็นว่ามีความถูกต้องในการพยากรณ์โรคมะเร็งปากมดลูกเป็น 80% ในกลุ่มผู้ป่วยและ 90% ในกลุ่มควบคุม (ตารางที่ 5) และเหมาะสมทดแทนกลับมามีความแม่นยำสูงในการจำแนกประเภท ความไวของ 95.2% และความจำเพาะ 99% ประสบความสำเร็จกับรุ่น ANN (ตารางที่ 6) รูปแบบที่ดีที่สุดนี้สามารถทำงานร่วมกับพารามิเตอร์การป้อนข้อมูล

ผลลัพธ์ (ไทย) 3:

รูปแบบการประเมินความเสี่ยงทางเลือกสำหรับมะเร็งปากมดลูกได้รับการพัฒนาการใช้ BP ของแอน เพื่อทดสอบความสามารถของรุ่นนี้สามารถคาดการณ์และจำแนกประเภทของข้อมูลที่ไม่รู้จัก เราใช้แบบทดสอบโดยใช้การเข้ารหัสกฎระบุไว้ในตารางที่ 2 แอนยังแสดงให้เห็นถึงความสามารถในการจำแนกรูปแบบดีผลพยากรณ์ในข้อมูลที่ทดสอบ พบว่า ความถูกต้องในการพยากรณ์โรคมะเร็งปากมดลูกได้ 80 % ในกลุ่มผู้ป่วย 90% และในกลุ่มควบคุม ( ตารางที่ 5 ) และกลับมาทดแทนพอดีมีความแม่นยำสูงของการจำแนก มีความไวและความจำเพาะของเกษตร % 99 % มีความกับรุ่นแอน ( ตารางที่ 6 ) นี้ปรับรูปแบบเข้ากันได้กับพารามิเตอร์การป้อนข้อมูล