Skip navigation
Please use this identifier to cite or link to this item: https://libeldoc.bsuir.by/handle/123456789/41905
Title: Диагностика и прогноз онкологических заболеваний груди с помощью программного обеспечения на языке Python и метода логистической регрессии
Other Titles: Diagnostics and predictions of breast cancer using the Python software and the logistic regression method
Authors: Паседько, В. В.
Якимов, Д. А.
Выговская, Н. В.
Keywords: материалы конференций;метод логистической регрессии;биопсия новообразований груди;язык программирования Python;logistic regression method;breast biopsy;Python programming language
Issue Date: 2020
Publisher: БГУИР
Citation: Паседько, В. В. Диагностика и прогноз онкологических заболеваний груди с помощью программного обеспечения на языке Python и метода логистической регрессии = Diagnostics and predictions of breast cancer using the Python software and the logistic regression method / В. В. Паседько, Д. А. Якимов, Н. В. Выговская // Медэлектроника – 2020. Средства медицинской электроники и новые медицинские технологии : сборник научных статей XII Международной научно-технической конференции, Минск, 10 декабря 2020 г. / Белорусский государственный университет информатики и радиоэлектроники. – Минск, 2020. – С. 132–136.
Abstract: Статья посвящена описанию методики создания автоматизированной программной системы для диагностики и прогнозирования онкологических заболеваний груди у женщин. В материале рассматривается выполнение экспериментальной части, построение модели для машинного обучения и предистория создания такой системы. На основании полученных данных было выявлено, что точность модели на тестовой выборке составляет 99,4 %.
Alternative abstract: The article is devoted to the description of the methodology for creating an automated software system for diagnosing and predicting breast cancer in women. The material discusses the implementation of the experimental part, building a model for machine learning and the prehistory of creating such a system. Based on the data obtained, it was revealed that the accuracy of the model on the test sample is 99,4 %.
URI: https://libeldoc.bsuir.by/handle/123456789/41905
Appears in Collections:Медэлектроника - 2020

Files in This Item:
File Description SizeFormat 
Pasedko_Diagnostika.pdf496.13 kBAdobe PDFView/Open
Show full item record Google Scholar

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.