Prédiction du cancer du sein à l'aide de diverses méthodes d'apprentissage automatique

Le cancer du sein est une maladie horrible, après le cancer de la peau, qui est la plus fréquente chez les femmes et qui est une cause majeure de l'augmentation du taux de mortalité. La mammographie de dépistage est la procédure opérationnelle permettant de détecter les masses et les anomalies liées au cancer du sein. Les mammographies numériques sont la source la plus opérationnelle qui aide à la détection précoce du cancer chez les femmes ne présentant pas de symptômes et à diagnostiquer le cancer chez les femmes présentant des symptômes tels qu'une douleur dans la masse, un écoulement du mamelon, ce qui diminue les décès et augmente les chances de survie. En général, les cliniciens ne peuvent pas consacrer plus de temps à un patient pour évaluer ses plaintes et suggérer un diagnostic possible en tenant compte de ses antécédents, ce qui augmente le risque d'erreurs médicales et de mauvais diagnostics. En utilisant l'apprentissage automatique dans le diagnostic du cancer du sein, on améliore la précision en réduisant les erreurs de classification et on gagne du temps dans le diagnostic. Le travail proposé est la classification instinctive des images de mammographie comme bénigne, maligne et normale en utilisant divers algorithmes d'apprentissage automatique. La classification est une technique d'identification utilisée pour classer des données consolidées dans différentes catégories.

Dr. B.V.Kiranmayee, actualmente trabaja como Profesor Asociado en el Departamento de Ciencias de la Computación e Ingeniería, VNRVJIET, afiliado a la Universidad Tecnológica Jawaharlal Nehru de Hyderabad. Dr. Chalumuru Suresh, actualmente trabaja como profesor asistente en el Departamento de CSE en el Instituto de Ingeniería y Tecnología VNR Vignana Jyothi.