Cancer Predictor на компьютер

Предиктор рака яичников:

521 раковых и не раковых пациентов были собраны из различных диагностических центров (в Бангладеш). Затем была использована структурированная анкета, содержащая подробную информацию о факторах риска развития рака яичников, включая возраст, конечный возраст менопаузы, проблемы во время беременности, первый половой возраст, любые инфекции в области половых органов, пораженные раком яичников, аборты, беременность, ИМТ, менопауза после 50 лет, еда привычка, ожирение, чрезмерное употребление алкоголя, поздняя менопауза, ранняя менопауза, гормональная терапия, физические упражнения, предыдущее воздействие других инфекций, передаваемых половым путем (ИППП), семейное положение, генетический риск, активность на открытом воздухе и влияние любого рака, прежде чем на основании предыдущих исследований. После предварительной обработки данные были сгруппированы с использованием алгоритма кластеризации K-средних для выявления релевантных и не относящихся к делу данных о раке яичников. Затем для разработки этой системы были использованы соответствующие данные, в соответствующих данных применено 6 алгоритмов, и на 70-30% обучение и тестирование разделили эффективность моделей.
производительность каждого алгоритма:

    Дерево решений (J48): точность = 80,2548%
    Случайный лес: точность = 80,2548%
    Деревья логистических моделей (LMT): точность = 82,1656%
    Наивный байесовский: точность = 75,7962%
    Логистическая регрессия: точность = 80.8025%
    Машины опорных векторов (SVM): точность = 80,8917%

Процесс генерации оценки риска:

Ниже приведена таблица, которая была сгенерирована из набора данных, который показывает каждый процент особенностей / распределение развивающегося рака яичников (да / нет)

нажмите здесь: https://github.com/mobassir94/Cancer-Predictor-Android-App-/blob/master/risk%20score.JPG

Из приведенной выше таблицы были даны оценки вручную для каждого подэлемента на основе их влияния на развитие рака яичников. Например, функция «Менарх начинается рано» имеет 3 функции: «ранний, поздний и нормальный», мы видим, что у 64% пациентов развился рак яичников, у которых менархе начинается «рано», и только у 35% пациентов не развился рак яичников, у которых Менархе начинается рано, поэтому мы даем более высокую оценку подфункции «рано», потому что это более вероятный «рискованный симптом» пациента.
Вот таблица оценки риска вручную:

1-ая колонка: «Менархе рано начинать» Ранний - 2 Нормальный - 1 Поздний - 3

2-я колонка: «Устная контрацепция» Да - 3 Нет - 1

3-й столбец: «Поддержание диеты» Да - 1 Нет - 2 4-й столбец: «Заболевание раком молочной железы» Да - 3 Нет - 1 5-й столбец: «Заболевание раком шейки матки?» Да - 3 Нет - 1 6-я колонка: «История рака в семье?» Да - 2 Нет - 1 7-я колонка: "Образование?" Неграмотный - 3 Начальный уровень - 1 Окончил - 1 8-й столбец: "Возраст мужа" Ниже 30 - 2 31-45 - 1 46-60 - 4 Выше 60 - 3 9-й столбец: "Менопауза Конец возраста?" До 40 - 2 40-51 - 1 После 52 - 3 10-я колонка: «Пища содержит много жира?» Да - 3 Нет - 1 11-я колонка: "Аборт?" Да - 3 нет - 1

Затем эта система проверяет, какие подфункции выбирает пользователь, и суммирует все показатели оценки вручную, если общий балл для пациента меньше 18, система показывает «низкий риск», если общий балл больше 17 и меньше 25, чем система показывает «средний риск», а если общий балл превышает 24, то система показывает статус пациента «высокий риск». Система проверяет, возвращает ли 3 или более алгоритмов / классификатора положительный прогноз более 50%, после чего система выдает пациенту предупреждение: «Пожалуйста, обратитесь к врачу как можно скорее».
Предиктор рака шейки матки:

набор данных был собран из репозитория машинного обучения UCI, я применил Boruta (выбор функций в R), чтобы получить соответствующие и наиболее важные функции для обнаружения БИОПСИИ.

тогда только 1 алгоритм, используемый для прогнозирования рака шейки матки, который является случайным лесом, и на 70-30% разделении на обучение и тестирование и с использованием 10-кратной перекрестной проверки точность этого алгоритма для прогнозирования биопсии составила 89,5349%

This App can early predict both ovarian cancer and cervical cancer of patients with high accuracy.