Abstract
يعد سرطان الثدي من المخاوف الصحية ذات الأهمية، ومن الضروري اكتشافه مبكرًا للحصول على علاج فعال. في الآونة الأخيرة، كان هناك اهتمام متزايد باستخدام الذكاء الاصطناعي (AI) للكشف عن سرطان الثدي، مما أظهر نتائج في تعزيز الدقة وتقليل النتائج الإيجابية الخاطئة. ومع ذلك، هناك بعض القيود فيما يتعلق بدقة الكشف. تقدم هذه الدراسة منهجًا هجيناً يستخدم 1D CNN لاستخراج الميزات ويستخدم خوارزميات التعلم الآلي مثل XGBoost والغابات العشوائية (RF) وأشجار القرار (DT) وآلات ناقلات الدعم (SVM) و أقرب جار (KNN) لتصنيف العينات إما حميدة أو خبيثة تهدف إلى تعزيز الدقة في الكشف. تكشف النتائج التي توصلنا إليها أن خوارزمية XGBoost مع استخراج الميزات (D CNN1) حققت دقة قدرها 98.24% في مجموعة الاختبار. تسلط هذه الدراسة الضوء على جدوى استخدام خوارزميات التعلم الآلي والتعلم العميق في هذه الدراسة تم استخدام مجموعة بيانات سرطان الثدي في ولاية ويسكونسن (WBC)، للكشف عن سرطان الثدي. يبشر نهجنا بالوعد في تسهيل الكشف وتحسين النتائج من خلال توفير أدوات دقيقة وموثوقة لتشخيص سرطان الثدي.
Sign-in/Register to access full text options 
Free) 
Talk to us
Join us for a 30 min session where you can share your feedback and ask us any queries you have
Schedule a call
