Mobile-basierte Machine-Learning-Anwendung zur frühzeitigen Erkennung von Lungenkrebs
Von Gemini AI generiertes Bild
Neue Forschungen vergleichen neun Klassifikationsalgorithmen zur Erkennung von Lungenkrebs mithilfe der NusaMiner-Anwendung. In einer Analyse mit einem Datensatz von 309 Datensätzen von Kaggle stellte die Studie fest, dass die Algorithmen Gradient Boosting und Random Forest eine Genauigkeit von bis zu 100 % erreichten. NusaMiner hat das Potenzial, die frühzeitige Erkennung von Lungenkrebs zu verbessern und bietet eine effektive sowie effiziente Lösung für den Gesundheitsdienst.
Mobile Machine Learning-Anwendung zur Früherkennung von Lungenkrebs zeigt vielversprechende Ergebnisse
Eine aktuelle Studie bewertete die Leistung von neun Klassifikationsalgorithmen bei der Erkennung von Lungenkrebs über die mobile Anwendung NusaMiner. Die Studie nutzte einen Datensatz von Kaggle, der aus 309 Datensätzen mit 16 Attributen zu Risikofaktoren und Symptomen von Patienten bestand.
Ergebnisse
Die Ergebnisse zeigten, dass NusaMiner über verschiedene Datenaufteilungsverhältnisse hinweg eine hohe und stabile Genauigkeit erreichte. Besonders hervorzuheben sind die Algorithmen Gradient Boosting und Random Forest, die in mehreren Szenarien eine Genauigkeitsrate von 100 % erzielten. Dies positioniert NusaMiner als potenziell innovative Lösung zur Verbesserung der frühen Lungenkrebsdiagnose.
Auswirkungen auf das Gesundheitswesen
NusaMiner könnte die Geschwindigkeit und Zuverlässigkeit von Lungenkrebsdiagnosen erheblich verbessern, was potenziell zu besseren Behandlungsergebnissen für Patienten führt. Seine hohe Genauigkeit macht es zu einem wertvollen Werkzeug für Gesundheitsdienstleister, die Strategien zur Früherkennung umsetzen.
Verwandte Themen:
📰 Originalquelle: https://doi.org/10.37817/ikraith-informatika.v10i2.5474
Alle Rechte und Urheberrechte liegen beim ursprünglichen Herausgeber.