Rachappa Jopate, Piyush Kumar Pareek, DivyaJyothi M. G, Ariam Saleh Zuwayid Juma Al Hasani
{"title":"利用基于 AEHOA 的 CNN 模型的特征选择预测甲状腺等级，促进健康生活方式","authors":"Rachappa Jopate, Piyush Kumar Pareek, DivyaJyothi M. G, Ariam Saleh Zuwayid Juma Al Hasani","doi":"10.21123/bsj.2024.10547","DOIUrl":null,"url":null,"abstract":"كثيرًا ما يعاني الأشخاص الذين يعانون من قصور الغدة الدرقية من أعراض حادة. يؤدي التصنيف الصحيح والتعلم الآلي إلى تحسين تشخيص أمراض الغدة الدرقية بشكل كبير. سيؤثر هذا التصنيف الدقيق على تقديم الرعاية للمرضى في الوقت المناسب. على الرغم من وجود تقنيات التشخيص، فإنها تسعى في كثير من الأحيان إلى التصنيف الثنائي، وتستخدم مجموعات بيانات كبيرة غير كافية، وتفتقر إلى تأكيد استنتاجاتها. تركز الأساليب الحالية على تحسين النموذج، في حين يتم إهمال هندسة الميزات. يقدم هذا البحث نموذج خوارزمية تحسين قطيع الفيل التكيفي AEHOA لاختيار السمات المثالية من أجل التحايل على هذه القيود. في البداية، استخدم طريقة تسمى تقنية الإفراط في أخذ العينات للأقلية الاصطناعية SMOTE لتسوية البيانات. وأخيرًا، يتم إدخال معلمات نموذج AEHOA في الشبكة العصبية التلافيفية CNN لتصنيف البيانات وتعزيز التنبؤ. تمت أيضًا زيادة دقة تنبؤات التصنيف عن طريق تعديل مجموعة البيانات. تم إخضاع مجموعتي البيانات لعملية تصنيف لإجراء مقارنة أكثر دقة للنتائج.","PeriodicalId":8687,"journal":{"name":"Baghdad Science Journal","volume":null,"pages":null},"PeriodicalIF":1.2000,"publicationDate":"2024-05-25","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":"{\"title\":\"Prediction of Thyroid Classes Using Feature Selection of AEHOA Based CNN Model for Healthy Lifestyle\",\"authors\":\"Rachappa Jopate, Piyush Kumar Pareek, DivyaJyothi M. G, Ariam Saleh Zuwayid Juma Al Hasani\",\"doi\":\"10.21123/bsj.2024.10547\",\"DOIUrl\":null,\"url\":null,\"abstract\":\"كثيرًا ما يعاني الأشخاص الذين يعانون من قصور الغدة الدرقية من أعراض حادة. يؤدي التصنيف الصحيح والتعلم الآلي إلى تحسين تشخيص أمراض الغدة الدرقية بشكل كبير. سيؤثر هذا التصنيف الدقيق على تقديم الرعاية للمرضى في الوقت المناسب. على الرغم من وجود تقنيات التشخيص، فإنها تسعى في كثير من الأحيان إلى التصنيف الثنائي، وتستخدم مجموعات بيانات كبيرة غير كافية، وتفتقر إلى تأكيد استنتاجاتها. تركز الأساليب الحالية على تحسين النموذج، في حين يتم إهمال هندسة الميزات. يقدم هذا البحث نموذج خوارزمية تحسين قطيع الفيل التكيفي AEHOA لاختيار السمات المثالية من أجل التحايل على هذه القيود. في البداية، استخدم طريقة تسمى تقنية الإفراط في أخذ العينات للأقلية الاصطناعية SMOTE لتسوية البيانات. وأخيرًا، يتم إدخال معلمات نموذج AEHOA في الشبكة العصبية التلافيفية CNN لتصنيف البيانات وتعزيز التنبؤ. تمت أيضًا زيادة دقة تنبؤات التصنيف عن طريق تعديل مجموعة البيانات. تم إخضاع مجموعتي البيانات لعملية تصنيف لإجراء مقارنة أكثر دقة للنتائج.\",\"PeriodicalId\":8687,\"journal\":{\"name\":\"Baghdad Science Journal\",\"volume\":null,\"pages\":null},\"PeriodicalIF\":1.2000,\"publicationDate\":\"2024-05-25\",\"publicationTypes\":\"Journal Article\",\"fieldsOfStudy\":null,\"isOpenAccess\":false,\"openAccessPdf\":\"\",\"citationCount\":\"0\",\"resultStr\":null,\"platform\":\"Semanticscholar\",\"paperid\":null,\"PeriodicalName\":\"Baghdad Science Journal\",\"FirstCategoryId\":\"1085\",\"ListUrlMain\":\"https://doi.org/10.21123/bsj.2024.10547\",\"RegionNum\":0,\"RegionCategory\":null,\"ArticlePicture\":[],\"TitleCN\":null,\"AbstractTextCN\":null,\"PMCID\":null,\"EPubDate\":\"\",\"PubModel\":\"\",\"JCR\":\"Q3\",\"JCRName\":\"MULTIDISCIPLINARY SCIENCES\",\"Score\":null,\"Total\":0}","platform":"Semanticscholar","paperid":null,"PeriodicalName":"Baghdad Science Journal","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21123/bsj.2024.10547","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q3","JCRName":"MULTIDISCIPLINARY SCIENCES","Score":null,"Total":0}
Prediction of Thyroid Classes Using Feature Selection of AEHOA Based CNN Model for Healthy Lifestyle
كثيرًا ما يعاني الأشخاص الذين يعانون من قصور الغدة الدرقية من أعراض حادة. يؤدي التصنيف الصحيح والتعلم الآلي إلى تحسين تشخيص أمراض الغدة الدرقية بشكل كبير. سيؤثر هذا التصنيف الدقيق على تقديم الرعاية للمرضى في الوقت المناسب. على الرغم من وجود تقنيات التشخيص، فإنها تسعى في كثير من الأحيان إلى التصنيف الثنائي، وتستخدم مجموعات بيانات كبيرة غير كافية، وتفتقر إلى تأكيد استنتاجاتها. تركز الأساليب الحالية على تحسين النموذج، في حين يتم إهمال هندسة الميزات. يقدم هذا البحث نموذج خوارزمية تحسين قطيع الفيل التكيفي AEHOA لاختيار السمات المثالية من أجل التحايل على هذه القيود. في البداية، استخدم طريقة تسمى تقنية الإفراط في أخذ العينات للأقلية الاصطناعية SMOTE لتسوية البيانات. وأخيرًا، يتم إدخال معلمات نموذج AEHOA في الشبكة العصبية التلافيفية CNN لتصنيف البيانات وتعزيز التنبؤ. تمت أيضًا زيادة دقة تنبؤات التصنيف عن طريق تعديل مجموعة البيانات. تم إخضاع مجموعتي البيانات لعملية تصنيف لإجراء مقارنة أكثر دقة للنتائج.
期刊介绍：
The journal publishes academic and applied papers dealing with recent topics and scientific concepts. Papers considered for publication in biology, chemistry, computer sciences, physics, and mathematics. Accepted papers will be freely downloaded by professors, researchers, instructors, students, and interested workers. ( Open Access) Published Papers are registered and indexed in the universal libraries.
京公网安备 11010802042870号
京ICP备2023020795号-1
分享
求助内容：
应助结果提醒方式：
扫码关注我们
