Feb 28, 2024
Tecniche appropriate di apprendimento automatico supervisionato per il rilevamento e la cura del mesotelioma

BioMed Research International

Komal Saxena, Abu Sarwar Zamani, R. Bhavani, K. V. Daya Sagar, Pushpa M. Bangare, S. Ashwini and Saima Ahmed Rahin

DOI: https://doi.org/10.1155/2022/2318101

Il mesotelioma è un tumore maligno (MPM), che forma uno strato protettivo intorno ai tessuti interni come polmoni, stomaco e cuore. Questo studio si concentra sulla determinazione del MPM, esaminando numerose metodologie di intelligenza artificiale. K-Nearest Neighborhood (KNN), analisi lineare discriminante (LDA), Naive Bayes (NB), strutture decisionali (DT), Random Forest (RF), macchina vettoriale di supporto (SVM) e regressione logistica (LogR) sono state utilizzate nei sistemi di supporto alle decisioni cliniche per l’individuazione del mesotelioma. Per testare l’accuratezza dei categorizzatori valutati, i ricercatori hanno utilizzato un dataset di 350 istanze e sei misure di esecuzione. LDA, NB, KNN, SVM, DT, LogR e RF hanno ottenuto precisioni del 65%, 70%, 92%, 100%, 100%, 100% e 100%. Ogni processo è stato scelto in base alla sua caratterizzazione, all’esattezza e alle complicazioni calcolate. SVM, DT, LogR e RF superano gli altri e, inaspettatamente, le ricerche precedenti.

Deep learning per il conteggio delle fibre di amianto

Deep learning per il conteggio delle fibre di amianto

J Hazard Mater. 2023 agosto 5;455:131590. EPUB 2023 Maggio 6. Ahmad Rabiee, Giancarlo Della Ventura, Fardin Mirzapour, Sergio Malinconico, Sergio Bellagamba, Federico Lucci, Federica Paglietti PMID: 37178531 DOI: 10.1016 /j.jhazmat.2023.131590 Il metodo PCM...