布利斯·辛格哈尔，Fnu Pooja
机器学习 (ML) 是人工智能 (AI) 的一个分支，计算机通过分析数据来寻找数据中的模式。这项研究的重点是使用 ML 检测转移性癌症。转移性癌症是指癌症扩散到身体其他部位的阶段，是约 90% 癌症相关死亡的原因。通常，病理学家每天要花几个小时手动分类肿瘤是良性还是恶性。这项繁琐的任务导致转移错误标记超过 60%，并强调了注意人为错误和其他低效率的重要性。ML 是提高转移性癌症正确识别率的良好候选者，挽救了数千人的生命，还可以提高过程的速度和效率，从而减少资源和时间。到目前为止，人工智能的深度学习方法已用于检测癌症的研究。这项研究是一种新方法，用于确定使用预处理算法结合分类算法检测转移性癌症的潜力。该研究使用了两种预处理算法：主成分分析 (PCA) 和遗传算法来降低数据集的维数，然后使用了三种分类算法：逻辑回归、决策树分类器和 k-最近邻算法来检测病理扫描中的转移性癌症。由 PCA、遗传算法和 k-最近邻算法组成的 ML 管道产生了 71.14% 的最高准确率，这表明预处理和分类算法在检测转移性癌症方面具有巨大潜力