目的:乳癌、女性の癌の最も一般に診断された形態の早い認識は存続のかなり改善されたチャンスをもたらすことを与えられる重大な重要性をもつ。, サーモグラフィーに赤外線カメラを用いた医療用サーモグラフィーは，マンモグラフィーの標準モダリティよりも小さな腫ようを検出するため，早期診断に特に有用な技術として実証されている。

方法と材料：本稿では、二つの乳房領域間の両側対称性を記述する特徴を抽出することにより、乳房サーモグラムを分析し、意思決定のための分類体系 明らかに、癌のケースの行方不明と関連付けられる費用は良性場合のmislabellingのためのそれらより大いに高いです。, 同時に、データセットに含まれる悪性の症例は良性の症例よりも有意に少ない。 標準分類方法が考えられます。 本稿では，この困難な問題に対処するために，ハイブリッドコストに敏感な分類器アンサンブルを導入した。 我々のアプローチは、それによってその認識率を高め、悪性クラスに高い誤分類コストを割り当てるコストに敏感な決定木のプールを伴います。 同時特徴選択と分類器融合のために遺伝的アルゴリズムを用いた。, 最適化基準として、誤分類コストと多様性の組み合わせを使用して、高感度と異種アンサンブルの両方を達成します。 さらに、意思決定に最小限に貢献する分類器を破棄することによって、アンサンブルを剪定します。

結果：約150サーモグラムの挑戦的なデータセットのために、私たちのアプローチは83.10％の優れた感度を達成し、89.44％の高い特異性を維持しています。, これは悪性のケースの改善された認識を示すだけでなく、また統計的に不均衡な分類のために設計されている他の最新式のアルゴリズムに優りそれ故に胸のthermogramsを分析するための有効なアプローチを提供する。

結論：私たちの提案されたハイブリッドコストに敏感なアンサンブルは、サーモグラムの特徴に基づいて乳癌の高精度な早期診断を容易にすること これは、二つの分析されたグループにおける患者の不均衡な分布によってもたらされる困難を克服する。