Kathirvel Ayyaswamy / Saravanan Kaliyaperumal
Librería Samer Atenea
Librería Aciertas (Toledo)
Kálamo Books
Librería Perelló (Valencia)
Librería Elías (Asturias)
Donde los libros
Librería Kolima (Madrid)
Librería Proteo (Málaga)
Rak piersi pozostaje jedną z najbardziej rozpowszechnionych i zagrażających życiu chorób dotykających kobiety na całym świecie. Wczesne i dokładne wykrywanie odgrywa kluczową rolę w poprawie wskaźników przeżywalności i kierowaniu skutecznymi strategiami leczenia. Wraz z szybkim rozwojem sztucznej inteligencji (AI), techniki uczenia maszynowego i wizji komputerowej są coraz częściej stosowane do automatyzacji procesów klasyfikacji raka piersi i segmentacji obrazu. Niniejsze badanie koncentruje się na opracowaniu inteligentnej struktury, która integruje rekurencyjną eliminację cech (RFE) z klasyfikatorem maszyny wektorów nośnych (SVM) w celu zwiększenia dokładności i niezawodności wykrywania i analizy raka piersi. Wyniki eksperymentalne pokazują, że połączenie technik segmentacji, optymalizacji cech opartej na RFE i klasyfikacji SVM znacznie poprawia wydajność diagnostyczną w porównaniu z konwencjonalnymi podejściami uczenia maszynowego. Model osiąga wysoką dokładność, precyzję i wycofanie, dzięki czemu nadaje się do zastosowań klinicznych, w których niezawodność ma kluczowe znaczenie.