목적:초기의 인식이 유방암,가장 일반적으로 진단된 형태의 암에서 여성은 매우 중요 주어진,그것은 크게 향상 기회다., 의료 온도 기록은 사용하는,적외선 열화상 카메라,로 입증되었습니다 특히 유용한 기술을 위해 조기 진단,을 감지하기 때문에 작은 종양 표준 형식의 유방 뢴트겐선 조영법.

방법과 소재:이 논문에서는,우리는 분석은 유방 thermograms 특징을 추출하여 설명하는 양자 대칭을 사이에 두 개의 유방 지역,그리고 현재 분류 시스템에 대한 의사결정을 내릴 수 있습니다. 분명히 암 사례 누락과 관련된 비용은 양성 사례를 잘못 표시하는 비용보다 훨씬 높습니다., 동시에 데이터 세트에는 양성 사례보다 악성 사례가 훨씬 적습니다. 표준 분류 접근법은 이러한 측면 중 하나를 고려하지 못합니다. 이 논문에서는 이러한 도전적인 문제를 해결하기 위해 하이브리드 비용에 민감한 분류기 앙상블을 소개합니다. 우리의 방법을 수반의 수영장은 비용에 민감한 결정이 나는 할당 더 높은 misclassification 비용 등 악성함으로써 증폭 인식율이다. 유전자 알고리즘은 동시 피처 선택 및 분류 자 융합에 사용됩니다., 으로 최적화 기준,우리는 우리의 조합을 사용하고 오분류 비용과 다양성을 모두 달성하기 위해 높은 민감도와 다른 유형의상을 수상했다. 또한,우리는 의사 결정에 최소한으로 기여하는 분류자를 폐기함으로써 앙상블을 잘라냅니다.

결과:에 대한 도전적인 데이터 집합의 약 150thermograms,우리의 접근 방식을 달성한 우수한 감도 83.10%,유지하면서 높은 특이성의 89.44%., 이지만 의미하는 향상된 인식의 악성 경우,그것이 또한 통계적으로 능가하는 성능 기타 state-of-the-art 알고리즘 설계를 위해 불균형을 분류하고,따라서 제공하는 효과적인 접근 방식 분석을 위한 유방 thermograms.

결론:우리의 제안된 하이브리드 비용에 민감한 앙상블을 촉진할 수 있는 매우 정확한 초기 진단이 유방암의에 따라 온도 기록도 특징입니다. 그것은 분석 된 두 그룹의 환자의 불균형 분포로 인한 어려움을 극복합니다.