乳がん診断の為の機械学習分類手法

Machine Learning Classification Techniques for Breast Cancer Diagnosis
David A. Omondiagbe , Shanmugam Veeramani , Amandeep S. Sidhu
Materials Science and Engineering vol.495, 2019, pp.012033

“乳がんは,最も知られている疾患の1つであり,女性の癌による死亡第2位を占めている. 癌性の悪性のしこりが乳房細胞から増殖し始めると、乳がんが始まる.
医師は悪性腫瘍として良性腫瘍(非ガン性)を誤って診断することがある. 乳癌の正確な診断を提供するために機械学習アプローチを使用するコンピュータ支援検出(CAD)システムが必要とされている.
これらのCADシステムは、乳がんの早期発見に役立つ.乳がんが早期に検出されると、より良い治療が提供されるため,生存率が上昇する.本稿では,Wisconsin Diagnostic Breast Cancer(WDBC)データセットを使用して,サポートベクターマシン(放射基底カーネルを使用),人工ニューラルネットワーク,およびナイーブベイズを調査することを目的としている.本稿の焦点は,これらの機械学習技術を特徴選択/特徴抽出方法と統合し,それらの性能を比較して最適なアプローチを特定することである.目標は,次元削減と機械学習の利点を組み合わせることである.本論文は,線形判別分析(LDA)を用いて特徴の高次元性を減らし,次に新しい縮小特徴データセットをSupport Vector Machineに適用することによる乳癌診断のためのハイブリッドアプローチを提案した. 提案されたアプローチは,98.82%の精度,98.41%の感度,99.07%の特異度,および0.9994の受信者動作特性曲線下面積を得た.”