TY -的A2 - Tu, Wen-Jun盟——Yazici Hulya盟——Odemis Demet Akdeniz盟——阿克苏,Dogukan AU -埃尔多安,Ozge Sukruoglu盟——Tuncer Seref Bugra盟——Avsar Mukaddes AU -科里奇Seda盟——Turkcan Gozde库鲁病非盟-侯赛因,Betul AU -艾登,穆罕默德阿里PY - 2020 DA - 2020/12/09 TI -新方法对风险的估计算法BRCA1/2否定性与造型监督机器学习技术检测SP - 8594090六世- 2020 AB - BRCA1/2基因检测是一个困难,昂贵和耗时的测试需要过度的工作负载。的识别 BRCA1/2基因突变显著重要的选择治疗和辅助癌症的风险。我们旨在开发一个算法考虑的所有临床、人口、和遗传特性识别的病人 BRCA1/2消极的学习。实验数据集创建的集合所有临床,人口,20年来乳腺癌患者的遗传特征。这个数据集包括125 2070高危乳腺癌患者的特征。所有数据是numeralized和标准化的检测 BRCA1/2消极的机器学习算法。发现的算法的性能研究与测试数据的机器学习模型。 k 最近的邻居(资讯)和决策树(DT)的准确率9功能涉及的数据集2被发现是最有效的。删除不必要的数据的数据集通过减少特征数量显示增加算法的准确率与DT。 BRCA1/2消极被确认没有执行 BRCA1/2基因检测准确率达到了92.88%在几分钟之内在高危乳腺癌患者使用这种算法,和相关的测试结果等压力,时间,和金钱损失是预防。算法建议是有用的在病人的治疗方案和准确的快速执行除了加快临床实践。SN - 0278 - 0240 UR - https://doi.org/10.1155/2020/8594090 - 10.1155 / 2020/8594090摩根富林明疾病标记PB - Hindawi KW - ER