سجل دخولك
رؤى - Brustkrebs-Klassifizierung
Klassifizierung von Brustkrebs mit Gradient Boosting-Algorithmen mit Fokus auf Reduzierung der Falsch-Negativen und SHAP für Erklärbarkeit
Durch den Einsatz von Gradient Boosting-Algorithmen wie AdaBoost, XGBoost, CatBoost und LightGBM kann die Erkennungsleistung für Brustkrebs verbessert und die Zahl der Falsch-Negativen reduziert werden. Darüber hinaus ermöglicht die Verwendung von SHAP eine bessere Erklärbarkeit der Modelle.
Eine neuartige Methode zur Klassifizierung von Brustkrebs-Histopathologiebildern unter Verwendung von Farbsraum-Feature-Fusion und Quantum-Classical-Stack-Ensemble-Methode
Die Fusion von Merkmalen aus verschiedenen Farbräumen (RGB, HSV, CIE Luv) sowie die Kombination von klassischen und Quantum-Klassifikatoren durch Stacking-Ensemble führen zu einer deutlichen Verbesserung der Genauigkeit bei der Brustkrebs-Klassifizierung.
المنتجات | الموارد
© 2024 by Linnk AI