ترجمه مقاله نقش ضروری ارتباطات 6G با چشم انداز صنعت 4.0
- مبلغ: ۸۶,۰۰۰ تومان
ترجمه مقاله پایداری توسعه شهری، تعدیل ساختار صنعتی و کارایی کاربری زمین
- مبلغ: ۹۱,۰۰۰ تومان
Currently, the best way to reduce the mortality of cancer is to detect and treat it in its early stages. Automatic decision support systems, such as automatic diagnosis systems, are very helpful in this task but their performance is constrained by the integrity of the clinical input data. This could be a problem since clinical databases, in which these systems are based on, are commonly built up containing dirty data (empty fields, non-standard or normalized values, etc). This article presents a study of the performance of a clinical decision support system, based on an artificial neural networks, using sets of clean and dirty prostate cancer data. The study shows that is possible to obtain an implementation that allow us to avoid the problems associated to the database’s lack of integrity and reach a similar performance using either clean or dirty data.
اخیرا ، بهترین روش برای کاهش مرگ و میر سرطان این است تا سرطان در مراحل اولیه اش کشف گردیده و درمان گردد. سیستم های پشتیبانی تصمیم نظیر سیستم های تشخیص خودکار در این وظیفه بی نهایت سودمند هستند اما عملکرد اشان بواسطه یکی شدن داده ورودی کلینیکی محدود می گردد . این می توانست یم مشکل باشد چون پایگاه داده ها به طور معمول حاوی داده کثیف هستند . مقاله حاضر یک داستان از عملکرد سیستم پشتبانی تصمیم کلینیکی را بر اساس شبکه های عصبی مصنوعی معرفی می کند که از مجموعه ای از داده های سرطان پروستات کثیف و تمییز استفاده می کنند . مطالعه نشان می دهد که این امکان جوددارد تا به یک اجراء دست یافت که به ما اجازه می دهد تا از مشکلات مرتبط با کمبود یکپارچه سازی پایگاه داده و رسیدن به عملکرد مشابه با استفاده از داده تمییز یا کثیف اجتناب ورزیم .