Key points are not available for this paper at this time.
O câncer de mama é muito comum entre as mulheres em todo o mundo. No entanto, detectar esse câncer em seus primeiros estágios ajuda a salvar vidas. Radiologistas podem prever se as imagens de mamografia têm câncer ou não, mas podem deixar de identificar cerca de 15% delas. Neste artigo, propomos um novo método para detectar o câncer de mama com alta precisão. Este método consiste em duas partes principais: na primeira parte, técnicas de processamento de imagem são usadas para preparar as imagens de mamografia para o processo de extração de características e padrões. A segunda parte é apresentada utilizando as características extraídas como entrada para dois tipos de modelos de aprendizado supervisionado, que são o modelo de Rede Neural de Retropropagação (BPNN) e o modelo de Regressão Logística (LR). Neste artigo, examinamos a precisão desses modelos. Os resultados mostraram que o modelo LR utilizou mais características do que o BPNN.
Al-Hadidi et al. (Mon,) estudaram essa questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: