基于移动设备的机器学习应用程序用于早期肺癌检测
Gemini AI生成的图像
一项新研究比较了九种分类算法在使用NusaMiner应用程序检测肺癌方面的表现。研究使用了来自Kaggle的309条记录的数据集，结果显示，梯度提升算法和随机森林算法的准确率达到了100%。NusaMiner具有提升肺癌早期检测的潜力，为医疗服务提供了一种高效且有效的解决方案。
移动机器学习应用程序在早期肺癌检测中显示出良好效果
最近的一项研究评估了九种分类算法在通过移动应用程序 NusaMiner 检测肺癌方面的表现。该研究利用了来自 Kaggle 的数据集，包含 309 条记录以及与患者风险因素和症状相关的 16 个属性。
研究结果
结果表明，NusaMiner 在不同数据拆分比率下实现了高且稳定的准确性。值得注意的是，梯度提升和随机森林算法表现突出，在多种情况下的准确率达到了 100%。这使得 NusaMiner 成为一种可能的创新解决方案，有助于提高早期肺癌的检测。
医疗影响
NusaMiner 可能显著提高肺癌诊断的速度和可靠性，进而改善患者的治疗结果。其高准确性使其成为实施早期检测策略的医疗提供者的重要工具。
相关主题：
移动机器学习肺癌检测分类算法NusaMiner应用程序准确性
📰 原始来源： https://doi.org/10.37817/ikraith-informatika.v10i2.5474
所有权利和署名均属于原出版商。