Cíle: Včasné rozpoznání rakoviny prsu, nejčastěji diagnostikovanou formou rakoviny u žen, je zásadní význam, vzhledem k tomu, že to vede k výrazně vyšší šance na přežití., Lékařská termografie, která používá infračervenou kameru pro tepelné zobrazování, byla prokázána jako zvláště užitečná technika pro včasnou diagnostiku, protože detekuje menší nádory než standardní modalita mamografie.

metody a materiál: v tomto článku analyzujeme termogramy prsu extrakcí funkcí popisujících bilaterální symetrie mezi oběma oblastmi prsu a představujeme klasifikační systém pro rozhodování. Je zřejmé, že náklady spojené s chybějícím případem rakoviny jsou mnohem vyšší než náklady na nesprávné označení benigního případu., Současně datové sady obsahují výrazně méně maligních případů než benigní. Standardní klasifikační přístupy nezohledňují ani jeden z těchto aspektů. V tomto článku představujeme hybridní nákladově citlivý klasifikační soubor, který řeší tento náročný problém. Náš přístup zahrnuje bazén nákladově citlivé rozhodnutí stromy, které přiřadit vyšší náklady chybné klasifikace na zhoubné třídy, čímž by se zvýšila jeho rychlost rozpoznávání. Pro simultánní výběr funkcí a fúzi klasifikátorů je použit genetický algoritmus., Jako optimalizační kritérium, používáme kombinaci chybnou klasifikaci nákladů a rozmanitosti pro dosažení vysoké citlivosti a heterogenní celek. Náš soubor dále prořezáváme vyřazením klasifikátorů, které minimálně přispívají k rozhodování.

Výsledky: Pro náročné datové sady o 150 thermograms, náš přístup dosahuje vynikající citlivosti 83.10%, při zachování vysoké specifičnosti 89.44%., To nejen znamená lepší rozpoznání maligních případů, ale také statisticky překonává další nejmodernější algoritmy určené pro nevyváženou klasifikaci, a proto poskytuje účinný přístup k analýze termogramů prsu.

závěry: náš navrhovaný hybridní nákladově citlivý soubor může usnadnit vysoce přesnou včasnou diagnostiku rakoviny prsu na základě funkcí termogramu. Překonává obtíže, které představuje nevyvážené rozložení pacientů ve dvou analyzovaných skupinách.