Daalụ maka ileta okike.com. Nchọpụta nke ihe nchọgharị ị na-eji enweghị oke CSS nkwado CSS. Maka nsonaazụ kachasị mma, anyị na-akwado iji ụdị ihe nchọgharị gị (ma ọ bụ gbanye ọnọdụ nzuzo na Internet Explorer). Ka ọ dị ugbu a, iji hụ na nkwado na-aga n'ihu, anyị na-egosi saịtị ahụ na-enweghị Styling ma ọ bụ Javascript.
A na-ewere ezé dị ka ezigbo ihe ngosi nke afọ ma na-ejikarị ya na nyocha afọ ole na ole. Anyị na-achọ ime nkwado data na-akụ data na-egosi na ha tụlere usoro ziri ezi na usoro nhazi nke afọ 18 na usoro ọdịnala na usoro nnabata data. A na-anakọta mkpụrụ ndụ radikal nke 2657 site na ụmụ amaala Korea na ndị Apanese dị afọ 15 ruo afọ 23. E kewara ha n'ọzụzụ mmụta, nke ọ bụla nwere 900 Korea Thirtaph, yana nnwale dị n'ime nwere 857 Japanese Japanese. Anyị tụnyere izi ezi na arụmọrụ nke ụzọ ọdịnala na ule ule nke minting data. Eziokwu nke usoro ọdịnala dị na ule nwatakịrị dị elu karịa nke nnabata data, pụtara na njehie data, pụtara afọ 0.21, mgbọrọgwụ pụtara afọ 0.24). Usoro nhazi nke afọ 18 yiri nke a n'etiti usoro ọdịnala na ụdị minting data. Ya mere, enwere ike dochie usoro ọdịnala site na Monering Minnational Mgbe ị na-eme nyocha afọ ole na ole site na ntozu nke ala nke abụọ na nke ndị okenye.
A na-eji atụmatụ dị afọ ezé na-eme ọtụtụ ọgwụ na-eme n'ọdịnihu na nwoke na nwanyị. Karịsịa, n'ihi nchịkọta dị elu na oge dị na nha na eze, afọ nyocha site na nkebi nke eze na-enweghị atụ maka ịtụle afọ ụmụaka na ndị ntorobịa1,2,3. Agbanyeghị, maka ndị na-eto eto, na-eme atụmatụ na afọ ezé dabere na ntozu oke nwere oke ya n'ihi na uto ezé fọrọ nke nta zuru ezu, ma ewezuga moolas nke atọ. Ebumnuche nke ikpebiri afọ nke ndị na-eto eto na ndị ntorobịa bụ iji na-enye atụmatụ ziri ezi na ihe ngosipụta sayensị nke ma ha erutela afọ ole na ole. N'ime ọgwụ ndị na-eto eto na ndị okenye iwu na ndị okenye na Korea, e buru amụma na iji ụzọ Lea, na mbido afọ 18 dabere na data nke Oh et al 5 et al 5.
Amụrụmaahịa bụ ụdị ọgụgụ ọgụgụ ihe (AI) ugboro ugboro na-amụta ma na-amụta ọtụtụ data, na-agba mbọ, na draịva mmemme. Missmụta igwe nwere ike ịchọpụta usoro zoro ezo na nnukwu mpịakọta nke data6. N'ụzọ dị iche, usoro klaasị, nke na-adọgbu onwe ya n'ọrụ na oge na-ewe oge, nwere ike ịnwe oke mgbe ị na-emeso nnukwu mpịakọta nke data siri ike na-esi ike usoro. Ya mere, ọtụtụ nnyocha emeburu n'oge na-adịbeghị anya site na iji teknụzụ kọmputa ọhụụ na-eme ka njehie ndị mmadụ belata ma rụọ ọrụ nke ọma data data8,10,11,11,11,11,11,11. A na - enyochakarị mmụta miri emi na nyocha nke ọma site na nyocha nke usoro onyonyo, na - achọpụtala usoro radimimation na - akpaghị anya iji meziwanye izi ezi na arụmọrụ nke afọ13,15,17,17,17,17,17,10 . Dịka ọmụmaatụ, Halabit al 13 mepụtara otu igwe na-eme ka algorithm na-eme ka netwọkụ dị nkọ (cnn) iji radi radio ihu. Ọmụmụ ihe a na-ewepụta ihe nlereanya na-eme ngwa ọrụ na-eme ka igwe onyonyo na-egosi na-egosi na usoro ndị a nwere ike ịkwalite izi ezi. Li na al14 Es14 na-eme ka ihe osise pelvic X nke pelvic xn ma jiri ya tụnyere nzacha na-esi na ya na-ekwupụta usoro. Ha chọpụtara na mmụta mmụta dị omimi CNN gosipụtara otu usoro ntule dị ka usoro ọmụmụ ọdịnala. Guo na al.
Imirikiti ọmụmụ ihe dị na iji igwe na-amụ ihe iji usoro mmụta miri emi13,14,15,16,17,170. A na-akọtụ atụmatụ afọ dabeere na mmụta miri emi ka ọ bụrụ eziokwu karịa usoro ọdịnala. Agbanyeghị, usoro a na-enye obere ohere iji gosipụta sayensị maka atụmatụ mmụta, dịka ndị isi ihe dị na atụmatụ atụmatụ ahụ. Enwekwara esemokwu nke na-eduzi nyocha. Ya mere, usoro dị afọ dị irè sitere na mmụta miri emi siri ike ịnabata ndị nwe ikike na ndị ọka ikpe. Njepụta data (DM) bụ usoro nwere ike ịchọpụta na ọ bụghị naanị atụ anya kamakwa ozi a na-atụghị anya ya dịka usoro iji chọpụta na njikọta bara uru n'etiti nnukwu data 6,21,22. A na-ejikarị ịmụta igwe na minning data, ma nnweta data ma na-eji otu igodo algorithy na-achọpụta usoro na data. Ntụle afọ na-eji mmepe nke ezé sitere na nyocha nyocha nke ntozu nke ntozu oke, na-egosipụta nyocha a dị ka ọkwa maka ezé ọ bụla. Enwere ike iji DM nyochaa mmekọrịta dị n'etiti ọkwa nke eze na afọ ojuju ma nwee ike dochie nyocha ọnụ ọgụgụ nke ọdịnala. Ya mere, ọ bụrụ na anyị etinye usoro DM dị afọ ole na ole, anyị nwere ike ime ka mmụta na-eche echiche na-enweghị nchekasị maka ibu iwu. Edeela ọtụtụ nyocha na uzo ozo nwere ike ime n'usoro usoro ntuziaka eji eme ihe na uzo uzo ozo na uzo IBM iji kpebie afọ. Shen em al23 gosiri na ihe DM SM bụ ziri ezi karịa usoro ọdịnala ọdịnala. Galibourgt et al24 etinyere usoro DM dị iche iche iji kwuo na ọgọ ụdọ dị ka nsonaazụ DM nwere usoro dị iche iche na-ekwupụta afọ ndị Francejin.
Iji tụọ afọ ndị na-eto eto Korea na ndị okenye, a na-eji 4 na-ejikarị ọrụ Korea. Usoro a na-eji nyocha ọnụ ọgụgụ ọdịnala ọdịnala (dị ka ọtụtụ mkpagharị) iji nyochaa mmekọrịta dị n'etiti isiokwu ndị Korean na afọ igbo. N'ime ọmụmụ ihe a, a na-akọwa ụzọ dị afọ ole na ole enwetara site na iji ụzọ ọdịnala dị ka "usoro ọdịnala." Zọ ahụ bụ usoro ọdịnala, egosila izizi ya site na Oh Et al. 5; Agbanyeghị, itinye aka na usoro atụmatụ afọ dabeere na DM Modentic na Korea ka a na-enyo enyo. Ebumnuche anyị bụ ime ka ihe bara uru dị irè nke dị afọ ojuju dabere na usoro DM. Ebumnuche nke ọmụmụ a bụ (1) iji tụnyere ụdị nke abụọ nke DM na-eme atụmatụ na afọ iri asatọ na asatọ site na iji usoro ọdịnala na molars nke atọ na jaws.
Pụtara na ọkọlọtọ ndọpụ nke oge ọha na ndapụta na ụdị eze), Nkwado Nkwado S2 (Nchịkwa dị n'ime). A na-enweta ụkpụrụ KapaPa maka itinye ego na Interverver nweta site na ọzụzụ setịpụrụ dị 0.951 na 0.947, n'otu n'otu. A na-egosiputa ihe ngosi ntụkwasị obi na 95% maka usoro ntụkwasị obi KapaPA na tebụl mgbakwunye ntanetị s4. A kọwara uru Kappa dị ka "fọrọ nke nta ka ọ bụrụ nke zuru oke", kwekọrọ na njirisi nke Antis na Koch26.
Mgbe atụnyere njehie zuru oke (mae), usoro ọdịnala jiri nwayọ mee ihe nlereanya nke ndị na-eme ihe niile, na-ewezuga ala ala Akụkụ (MLP). Ọdịiche dị n'etiti usoro ihe atụ ọdịnala na ihe atụ DM na nnwale nke ihe dị n'ime Mae bụ 0.12-0.19 maka ụmụ nwoke na 0.17-0.21 maka ụmụ nwanyị. Maka batrị nke mpụga, ọdịiche ahụ dị obere (0.001-0.05 ruo afọ 0.05-0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0.0,000 maka ụmụ nwanyị). Ọzọkwa, mgbọrọgwụ pụtara njehie njehie (RMSE) dị ntakịrị karịa usoro ọdịnala, na 0.07-0.07, 0.07-0.08 maka nnwale nke mpụga). ). MLP na-egosi ọtụtụ arụmọrụ karịa otu oyi akwa Perceptron (slap), ma e wezụga n'ihe banyere nnwale nke nwanyị. Maka Mae na RMSE, akara ule nke mpụga dị elu karịa ule dị n'ime ka ọ bụrụ nke ndị na-eme ihe niile na ụdị. A na-egosi Mai niile na RMSE na tebụl 1 na ọgụgụ 1.
Mae na Rmse nke usoro mgbasa ozi na nke data. Pụtara njehie mae, mgbọrọgwụ pụtara square mpe mpe mpe, otu oyi akwa flap, mustaayer Perceptron MLP, usoro ọdịnala.
A na-egosipụta arụmọrụ afọ 18 (ya na ụdị nke ọdịnala na DM 27 (Isiokwu 2, ọgụgụ 2 na mgbakwunye ọgụgụ 1 na ntanetị). N'ihe banyere mmetụta nke batrị nwatakịrị ahụ dị n'ime, usoro ọdịnala rụrụ nke kacha mma n'etiti ụmụ nwoke na ndị inyom. Agbanyeghị, ọdịiche dị na arụmọrụ klaasị n'etiti usoro ọdịnala na SD bụ 9.7% maka ụmụ nwoke (mlp) na naanị 2.4% maka ụmụ nwanyị (XGboost). N'etiti ụdị DM, mmụba dị mma (LR) gosipụtara mmetụta dị mma na nwoke na nwanyị. Banyere nkọwapụta nke nnwale nke ime, a na-achọpụta na ụdị SD anọ a rụrụ nke ọma na ụmụ nwoke, ebe a na-arụ ụdị ọdịnala ọdịnala karị. Ọdịiche dị na arụmọrụ klaasị maka ụmụ nwanyị na ụmụ nwanyị bụ 13.3%) na 13.1%, na-egosi na ọdịiche dị n'etiti ụdị gafere ihe dị iche iche. N'etiti ụdị DM, igwe na-akwado (svm), osisi (DT), na ụdị oke ọhịa, ebe LR mody rụrụ kacha mma n'etiti ụmụ nwanyị. The Auroc nke usoro ọdịnala na ụdị SD niile dị ukwuu karịa 0.925 (k-K-nke kacha nso (KNNN) na ụmụ nwoke), na-egosipụta arụmọrụ dị mma na-akpachapụ anya na samples dị afọ 18. Maka nnwale nke mpụga, enwere mbelata ọkwa ogo na ụdị mmetụta uche, ịkọwapụta na AUROC ma e jiri ya tụnyere ule nke ime. Ọzọkwa, ọdịiche dị na uche na nkọwapụta n'etiti usoro nhazi nke kacha mma na ụdị kachasị mma sitere na 10% ruo 25% ma buru ibu karịa ọdịiche dị na ule dị n'ime.
Odimịghe na nkọwapụta nke mingụ Mbelata data ma e jiri ya tụnyere usoro ọdịnala na coupff afọ 18. Kinn KVM na-akwado igwe vector, LR mkpebi, osisi, RF Dongoost, MLP Multilayer Perceptron, MLP Multilaya.
Nzọụkwụ mbụ na ọmụmụ a bụ ịtụle izi ezi nke ezé nwetara site na ụdị DM DM asaa na ndị nwetara site na iji usoro mgbasa ozi ọdịnala. Mae na RMSE enyochala na ule dị n'ime ime maka ma nwoke ma ọ bụ nwanyị, ihe dị iche n'etiti usoro ọdịnala na ụbọchị DM ruo ụbọchị 77 ruo ụbọchị 62 ruo 88 maka RMSE. Ọ bụ ezie na usoro ọdịnala ahụ dị mfe karị na ọmụmụ a, o siri ike ikwubi ma obere ọdịbe dị otú ahụ nwere ihe bara uru ma ọ bụ ihe bara uru. Ihe ndị a rụpụtara na-egosi na izi ezi nke usoro ezé site na iji ihe nlereanya DM dị ka otu ihe ahụ dị ka usoro ọdịnala. Direct Tụnyere nsonaazụ sitere na ọmụmụ gara aga siri ike n'ihi na ọ nweghị ọmụmụ usoro nke usoro DM na-eji otu usoro ndekọ na-eji otu usoro ndekọ aha na otu afọ dị ka n'ọmụmụ ihe a. Galibourgt et al24 jiri Mae na Rmse dị n'etiti usoro ọdịnala ọdịnala (usoro ihe ngosi nke ndị France na ndị France dị afọ 2 ruo 24 afọ. Ha kọrọ na ụdị DM niile ziri ezi karịa usoro ọdịnala, yana usoro 0.25 na RMSse ma e jiri ya tụnyere usoro RMSEM, n'otu n'otu. Ihe omuma di n'etiti SD Model na usoro ọdịnala nke egosipụtara n'ọtụtụ akụkọ30,33,33 na usoro ụda anaghị ekwu eziokwu nke ndị Canad nke ihe ọmụmụ ahụ dabere. n'amụmụ ihe a. Tai et al 34 jiri ml algorithm kwuo okwu amụma dị afọ iri na isii site na 1636 China nke China ma jiri usoro nke Demirjian na usoro. Ha kọrọ na MLP nwere ezi izi ezi karịa usoro ọdịnala. Ọdịiche dị n'etiti usoro Dirrirjian na usoro ọdịnala bụ <0.32 afọ, na usoro ndị ahụ ga-abụ 0.28, nke yiri nsonaazụ nke ọmụmụ ahụ dị ugbu a. Nsonaazụ nke ọmụmụ ihe ndị a gara aga na-agbanwe agbanwe na nsonaazụ nke ọmụmụ ugbu a, yana usoro dị afọ ojuju nke usoro DM na usoro ọdịnala. Agbanyeghị, dabere na nsonaazụ ndị a na-eweta, anyị nwere ike ikwubi na iji ụdị DM na-eme ihe ga-anọchi ụzọ dị n'ihi enweghị ọmụmụ ihe gara aga. Ọmụmụ ihe ọmụmụ ndị na-esochi site na iji nyocha buru ibu dị mkpa iji gosi nsonaazụ ndị a nwetara n'ọmụmụ ihe a.
N'ime ọmụmụ ihe ndị ahụ na-anwale izi ezi nke SD n'ịtụgharị uche na ezé, ụfọdụ gosipụtara na ọ bụ izi ezi karịa ọmụmụ anyị. Stepnovsky Et al 35 etinyere ihe dị 22 SD ndị bi na Panporamic nke 976 Czech bi 2.7 ruo 20.5 afọ ma nwalee izi ezi nke ihe ọ bụla. Ha na-enyocha mmepe nke ezé dị elu nke dị elu na ala aka ekpe na-adịgide adịgide site na iji usoro nhazi nke Moorrees na-atụ Et 36. Mae sitere na 0.64 afọ na RMSse ranges site na afọ 0.85 ruo 1.27, nke ziri ezi karịa ụdị DM abụọ a na-eji n'ọmụmụ ihe a. Shen et al23 jiri usoro camerire iji kọwaa afọ asaa nke ezé asaa na-adịgide adịgide na ndị bi na East dị afọ 5 ruo afọ 13 ma e jiri ya tụnyere afọ iri atọ na RF. Ha gosipụtara na ụdị DM niile nwere ezi izi ezi ma e jiri ya tụnyere usoro ọdịnala camerier. Mae na RMSE na ọmụmụ Shen dị ala karịa nke ndị na DM Model na ọmụmụ a. Akwunyere nzere nke ọmụmụ site na Stepnovsky Et al. 35 na Shen et al. 23 nwere ike n'ihi ntinye nke isiokwu nke ịlele ọnụ ọgụgụ ha. N'ihi na afọ ojuju maka ndị sonyere na-etolite ezé na-abawanye ka ọnụ ọgụgụ ezé na-abawanye mgbe enwere ike imebi ụzọ atụmatụ dị iche iche na-esite na nwatakịrị dị obere. Ọzọkwa, njehie MLP na atụmatụ dị afọ ole na ole dị obere karịa slp, nke pụtara na mlp bụ nke ziri ezi karịa SLP. A na-ewere MLP dịtụ mma maka usoro dị mma, ikekwe n'ihi oke zoro ezo na mlp38. Agbanyeghị, enwere ike iche maka sample nke ụmụ nwanyị (SLP 1.45, MLP 1.49). Ọ na-achọta na MLP bụ eziokwu karịa slap n'ịgote afọ chọrọ ọzọ nyocha.
A na-atụnyere arụmọrụ nke DM na usoro ọdịnala n'oge afọ 18 kwa ụzọ. Usoro SD a nwalere na usoro ọdịnala a nwalere na nnwale nke ime emebere gosipụtara ọkwa dị mma nke ịkpa oke maka nlele dị afọ 18. Mmetụta maka ụmụ nwoke na ụmụ nwanyị karịrị 87.7% na 94.9%, na nkọwa dị ukwuu karịa 89.3% na 84.7%. Auroc nke ụdị ule niile a nwalere karịrị 0.925. Ka anyị mara ihe ọmụma anyị, ọ nweghị ọmụmụ ihe nyochala arụmọrụ nke DM maka nhazi afọ 18 dabere na eze ntozu. Anyị nwere ike iji nsonaazụ nke ọmụmụ a tụnyere usoro ọmụmụ nke ụdị mmụta miri emi na panoramic radiafs. Guo Et.15 na-agbakọ arụmọrụ klaasị nke CNN-Dabere na usoro mmụta dị na CNN na usoro ntuziaka sitere na usoro ngosi mebere na ụzọ ndụ. Mmetụta na nkọwapụta nke usoro ntuziaka ahụ dị 87.7% na 95.5%, na uche na nkọwapụta nke CNN gafere 89.2% na 86.6%, n'otu n'otu. Ha kwubiri na ụdị mmụta mmụta miri emi nwere ike dochie ma ọ bụ na-eme nyocha akwụkwọ ntuziaka na-enweghị atụ. Nsonaazụ nke ọmụmụ a gosipụtara arụmọrụ dị otú ahụ; A kwenyere na ogo nke na-eji ụdị DM nwere ike dochie ụzọ ọdịnala ọdịnala maka atụmatụ dị afọ. N'ime ụdị ndị ahụ, DM LR bụ ihe nlere kachasị mma na usoro nke mmetụta maka ụdị nwoke na uche na nkọwapụta maka nlele ụmụ nwanyị. LR na nke abụọ na nkọwapụta maka ụmụ nwoke. Ọzọkwa, a na-ewere LR dị ka otu n'ime ụdị DM35 onye ọrụ ma ọ dị obere ma sie ike hazie. Dabere na nsonaazụ ndị a, a na-ahụta lr bụ ihe nlere anya Connef nke kacha mma maka 18 afọ na ndị Korea.
N'ozuzu, izi ezi nke usoro ma ọ bụ arụmọrụ nhazi nke mpụga bụ ogbenye ma ọ bụ nke dị ala ma e jiri ya tụnyere nsonaazụ ya na ule dị n'ime. Akụkọ ụfọdụ na-egosi izi ezi nke klaasị ma ọ bụ arụmọrụ na-ebelata mgbe a na-etinye atụmatụ na ndị Korea na Peacese ndị Japanese na ọmụmụ ihe dị ugbu a. A hụkwara usoro a na-emebi ihe na DM Model. Ya mere, iji na-adụ ọdụ nke ọma, ọbụlagodi mgbe ị na-eji DM na usoro nyocha, usoro sitere na data ọnụọgụ, dịka usoro ọdịnala, ekwesịrị ịhọrọ 1,39,40,40,40,40,40,41,42. Ebe ọ bụ na edoghị anya ma ụdị mmụta miri emi nwere ike igosi ụdị usoro ndị yiri nke ahụ, ọmụmụ ihe na-eji usoro ọdịnala dị mkpa iji gosi ma ọgụgụ isi mmadụ nwere ike imeri na mbara azụmaahịa ndị a na obere afọ. ntule.
Anyị gosipụtara usoro ọdịnala ahụ site na ntule dị afọ na-egosi na usoro DM na usoro ọmụmụ nke Foredia. Anyị chọpụtakwara na itinye aka na itinye oge ị na-amụ maka nyocha nke afọ ojuju. Agbanyeghị, enwere adịghị mma, dị ka ọnụọgụ ndị sonyere na ọmụmụ ihe a iji kpebie nsonaazụ a, yana enweghị ọmụmụ ihe ndị gara aga tụnyere ma gosipụta nsonaazụ a. N'ọdịnihu, ọmụmụ DM ga-eduzi ya na ọnụ ọgụgụ buru ibu na ọnụ ọgụgụ ndị ọzọ dị iche iche iji meziwanye ntinye ya na usoro ọdịnala. Iji gosipụta na ọ ga-eme ka ọ dị iche iche na-atụ egwu afọ ole na ole ọnụ ọgụgụ dị mkpa iji tụnyere izi ezi nke DM na ụdị mmụta dị omimi na usoro ọdịnala na otu usoro.
Ihe omumu a jiri ihe onyonyo nke 2,657 anakọtara site na ndị okenye Korean na ndị okenye na Japanes afọ 15 ruo afọ 23. E kewara redio ndị Korea (19.42 ± 2.65) na 900 nke ime ule (19.52 ± 2,59). A na-anakọta ọzụzụ ọzụzụ ahụ n'otu ụlọ ọrụ (Seoul St. Hospital) Anyị na-anakọtakwa redio 857 site na data ndị ọzọ sitere na data dabere na data ndị ọzọ (IWAtelọ Ọrụ Ahụ Ike, Japan) maka nnwale mpụga. A na-ahọpụta radiops nke ndị Japan (19.31 ± 2.60 ka a họpụtara ule. A na-enweta data na-azaghachi usoro nke mmepe nke ezé na panoramic radiafs na-eme n'oge ọgwụgwọ ezé. Data data anakọtara bụ onye na-amaghị ama ma e wezụga okike nwoke, ụbọchị ọmụmụ na ụbọchị nke radiograph. Distatision na mwepu njirisi bụ otu ihe dị ka ọmụmụ ihe 4, 5. A gbakọrọla afọ nke ihe nlele ahụ site na iwepu ụbọchị ọmụmụ site na ụbọchị a na-agagharị. E kewara ihe nlere ahụ na ìgwè dị afọ itoolu. A na-egosi afọ na nkesa mmekọahụ na tebụl 3 a na-eduzi ọmụmụ ihe a dịka onye na-ahụ maka nyocha nke Seoul St. N'ihi nlezianya nke ọmụmụ a, nkwenye ekwenyeghị na nkwenye ndị ọrịa niile na-enwe nyocha nyocha maka ebumnuche ọgwụgwọ. Mahadum Seoul Korea St. Hospitallọ Ọgwụ Mary (IRB) kwụsịrị ịchọrọ maka nkwenye.
A na-enyocha usoro mmepe nke ihe mgbu nke abụọ na nke atọ dị ka Demican Craritia25. Naanị otu eze họrọ ma ọ bụrụ na achọtara otu ụdị ezé dị n'aka ekpe na aka nri n'akụkụ aka ekpe. Ọ bụrụ na ezé nwoke na nwanyị na-anọ n'akụkụ abụọ dị iche iche dị na ngalaba dị iche iche, ezé nwere ọnụ ala dị ala ka ahọpụtara maka ejighị n'aka na afọ. Otu narị ndị na-ahụ ụzọ ahọrọla site na ndị na-ahụ ụzọ abụọ a na-ahụ maka ọzụzụ abụọ a na-ahụ maka ịnwale ntụkwasị obi na-eme ka ntozu oke. A na-enyocha mgbanwe nke intraobserver ugboro abụọ na oge atọ bụ onye na-ekiri ihe.
Onye na-ahụ maka ihe mgbu nke abụọ na nke atọ na-ahụ maka usoro ihe dị iche iche dị iche iche na nke atọ na nke atọ na nke atọ. SLP na ụdị MLP, nke a na-eji n'ọtụtụ ụlọ, a nwalere na alchorithms. Ihe atụ DM na-ejikọ ọrụ ndị na-ejikarị ezé anọ ma na-agwakọta data ndị a ka ị na-atụ egwu. SLP bụ netwọkụ dị mfe na netwọk adịghị mfe. SLP na-arụ ọrụ dabere na nnyefe ọnụ ụzọ n'etiti ọnụ. The SLP Model na Reation na mgbakọ na mwepụ ọtụtụ ịkwalite. N'adịghị ka ihe atụ SLP, ihe ngosi MLP nwere ọtụtụ okirikiri zoro ezo na ọrụ ịgba ọsọ. Ntụle anyị ejiri akwa zoro ezo nwere naanị ihe zoro ezo na-enweghị ike na ọrụ ịgbasa. Jiri gradient mbemi na-ejikarị njikarịcha na mae na RMSSE dị ka ọrụ ọnwụ iji zụọ ụdị mmụta mmụta US. A na-etinye usoro mgbasa ozi kachasị mma na usoro nnwale na nke mpụga na afọ nke ezé na-eme atụmatụ.
E mepụtara Algorithm nke na-eji ntozu nke ezé anọ na ọzụzụ a ga-ebu amụma ma ihe nlele dị afọ 18 ma ọ bụ na ọ bụghị. Iji wuo ihe nlereanya ahụ, anyị nwetara ihe nnọchi anya ihe nnọchi anya asaa na-amụ Agorithms6,43: (4) DF, (6) xgboost, na (7) mlp . LR bụ otu n'ime usoro nhazi klaasị a na-ejikarị. Ọ bụ nlekọta mmụta algorithm nke na-eji Recussity ịkọ ihe gbasara data bụ nke data dị ka nke nwere ike ịdabere na ihe puru omume; eji tumadi iji ya. KNN bụ otu n'ime igwe dị mfe mmụta na-amụta algorithms45. Mgbe enyere data ọ bụla, ọ na-ahụ k data nso na setịpụrụ ma mee ka ha gaa ugboro ole. Anyị setịpụrụ atọ maka ọnụ ọgụgụ ndị agbata obi tụlere (k). SVM bụ algorithm na-eme ka ọ dị anya n'etiti klas abụọ site na iji ọrụ kernel iji gbasaa oghere ahịrị n'ime oghere na-abụghị linear46. Maka ụdị a, anyị na-eji ọnya = 1, ike = 1, na gamma = 1 dị ka hyperpameters maka kernomial kernel. A rụnyere DT n'ọtụtụ dị iche iche dị ka algorithm maka ikesa data niile etinyere n'ọtụtụ ntụpọ site na-anọchite anya iwu mkpebi na osisi. A na-ahazi ihe nlereanya ahụ na ọnụ ọgụgụ kacha nta nke ndekọ kwa ọnụ ọnụ nke 2 ma jiri ya dị mma. RF bụ usoro a na-ejikọ ọnụ na-ejikọta ọtụtụ DTS iji melite arụmọrụ site na iji usoro nchịkọta nke bootstrap nke na-emepụta ihe nlere nke otu oge site na dataset48 mbụ. Anyị ji osisi 100, Omimi iri, 1 opekempe nha, na GINI debere Index dị ka Noodu. Nhazi nke data ọhụrụ na-ekpebi site na ntuli aka. XGoost bụ algorithm na-agbakọ usoro iji usoro na-ewe dị ka data na-azụ ihe dị ka ihe nlereanya nke mbụ na amụma iji akara ngosi49. Ọ bụ Algorithm na-eji Algorithm mee ihe n'ihi arụmọrụ ya na arụmọrụ ọrụ ya, yana ntụkwasị obi dị elu dịka ọrụ mgbada. Ejiri wiil na-akwado 400. MLP bụ netwọkụ nke otu ma ọ bụ karịa Perceptrons na-etolite ọtụtụ ndị nwere otu ma ọ bụ karịa n'okirikiri n'etiti ndenye ahụ na opịgharị. Iji nke a, ị nwere ike ịme nhazi ọkwa na-abụghị lineary ma ọ bụrụ na ị tinye uru ntinye ma nweta uru nsonaazụ ahụ, a na-agbasa uru nsonaazụ nsonaazụ na njehie ahụ. Anyị mepụtara akwa zoro ezo na-ehuru ya na-ezo ezo na oyi akwa. A na-etinye ụdị ihe nlereanya ọ bụla na usoro dị na mpụga iji nwalee usoro klaasị site na ịkọ nkọ, ịkọwapụta PPV, NPV, na Auroc. A na-akọwapụta uche dị ka oke nke ihe nlele dị ka afọ 18 ma ọ bụ karịa ka nlele dị afọ 18 ma ọ bụ karịa. Isonye bụ ọnụ ọgụgụ nke ihe nlere anya n'okpuru afọ 18 na ndị ahụ mere ka ọ dị n'okpuru afọ 18.
A na-enyocha usoro nke eze na ọzụzụ a gbanwere n'usoro ọnụọgụgụ maka nyocha nke Statistical. A na-arụ ọrụ dị egwu na njiri mara mma iji zụlite ụdị amụma maka mmekọahụ ọ bụla nwere ike iji kwa afọ. Anyị ji usoro ndị a na-eme atụmatụ dị afọ na-eme ka ọ dị afọ abụọ ma nke mpụga. Tebụl 4 na-egosi ngagharị na usoro nhazi nke eji amụ ihe a.
A na-agbakọ data inta- na onye na-eme mgbanwe na-eji Khen Kappha Static. Iji nwalee izi ezi nke DM na usoro mgbasa ozi ọdịnala, anyị na-agbakọ Mae na RMSE site na iji ihe ndị dị na RME na nke a na-eme nyocha na nke dị na mpụga. A na-ejikarị njehie ndị a iji nyochaa izi ezi nke amụma ihe nlere. Obere njehie ahụ, elu nke izizi nke amụma24. Tụlee Mae na Rmse nke esịtidem na nke mpụga setịpụrụ site na iji DM na ịkwalite ọdịnala. A na-enyocha ọkwa klaasị nke afọ 18 na-enyocha ọnụ ọgụgụ ọdịnala site na iji tebụl 2 × 2. E ji ihe na-agbakọ ihe ọ bụla, ịkọwapụta PPV, NPV, NPV, na Auroc nke ule ule ahụ tụrụ ihe atụ nke ụdị nhazi nke DM. A na-egosipụta data dị ka ọkọlọtọ ± ma ọ bụ nọmba (%) dabere na njirimara data. A na-ahụta ọnụ ọgụgụ abụọ dị egwu. A na-arụ ọrụ ndekọ ọnụ ọgụgụ ndekọ aha ọnụ ọgụgụ niile nke iji Sas 9.4 (Sas Institute, Cery, NC). Emejupụta usoro ntụgharị nke DM na Python iji Keras50 2.2.4 na tensorflow51 1.8.0 nke arụ ọrụ mgbakọ na mwepụ. Emejuputa klas nke DM na Wikato ihe omuma banyere ebe obibi nke Konstanz (Knime) 4.6.152.
Ndị dere nakwes kweta na data na-akwado ihe ọmụmụ ahụ nwere ike ịchọta n'isiokwu na ihe ndị na-akpata ya. Datasets mepụtara na / ma ọ bụ nyocha n'oge ọmụmụ a dị site na onye edemede kwekọrọ na arịrịọ ezi uche dị na ya.
Ritz-Timme, s. et al. Ntụle afọ: Ọnọdụ nka iji mezuo ihe ndị akọwapụtara nke atụmatụ. mingelia. J. Usoro iwu. 113, 129-136 (2000).
A na-akpọ Schurmeling, onye na-arịgharị ya, W., Gereriki, G., GEZE, ọnọdụ nyocha afọ ole na ole nke isiokwu mkpesa maka ikpe ikpe. Forensics. ọgwụ. Petrol. 1, 239-246 (2005).
PAN, J. et al. Usoro mgbanwe maka ịtụle afọ ịda mba nke ụmụaka dị afọ 5 ruo 16 na Eastern China. okacha amara. Nnyocha onu onu. 25, 3463-3474 (2021).
Lee, SS wdg. Oge ọgụgụ oge nke mmepe nke ala nke abụọ na akwụkwọ ya maka nyocha afọ ole na ole. mingelia. J. Usoro iwu. 124, 659-665 (2010).
Oh, Kumagaị, A., Kim, SS ziri ezi nke usoro afọ iri na asatọ na ntozu nke ala nke abụọ na ndị Japan. Plos otu afọ 17, e0271247 (2022).
Kim, jy, et al. Nchịkọta data nke na-eme ka mmụta dabeere na data nwere ike ịkọ ihe omume ịwa ahụ na-arụ ọrụ na ndị ọrịa. Sayensị. Kpesa 11, 14911 (2021).
Han, M. et al. Echiche zuru oke site na iji igwe na-amụ ma ọ bụ na-enweghị itinye aka mmadụ? mingelia. J. Usoro iwu. 136, 821-831 (2022).
Khan, S. na Shaheen, M. Site na Ngwuputa data rue nnabata data. J.innformation. Sayensị. HTTPS://doi./10.1177/016555152103030872 (2021).
Khan, S. na Shaheen, M. Vissule: Ngwongwo Cognoritive algorithm maka mkpakọrịta. J.innformation. Sayensị. HTTPS://doi./10.1177/01655515151515158695 (2022).
Shaheen M. na Abdullah U. Karm: Ngwuda ọdịnala dabere na iwu ọgbakọ ndị dabeere na ya. gbakọọ. Matt. Gaa n'ihu. 68, 3305-33222 (2021).
Muhammad M., Rehman Z., Shahoen M. mee ka eme. Teknụzụ. Njikwa. https://doi./10.5755/j01.4C.49.4.27118 (2020).
Tanili, M., Tanoli, Z., na Shahin, M. usoro maka ịchọpụta ọrụ na vidiyo egwuregwu. ọtụtụ. Ngwaọrụ ngwa HTTPS 11//doi./10.1007/S11042-021-10519-6 (2021).
Halabi, ss et al. Ngosipụta Phurning Phna na-amụta n'ọgbọ agbụrụ. Radiology 290, 498-503 (2019).
Li, y. et al. Ihu mmalite nke Pelvic X na-eji ezigbo mmụta. Euro. radieshon. 29, 2322-2329 (2019).
Guo, yc, et al. Ọdịmma afọ ziri ezi site na iji usoro ntuziaka na netwọkụ nke nkwenye sitere na ihe osise Orthograpy. mingelia. J. Usoro iwu. 135, 1589-1597 (2021).
Alabama dalora et al. Site na iji usoro ihe dị iche iche na - eji usoro mmụta ngwa dị iche iche: Nyochaa usoro na nyocha nke meta. PLOS otu 14, E0220242 (2019).
Ee, Li, Li, G. Cheng, K., na Yang, 6. mingelia. J. Usoro iwu. 136, 811-819 (2022).
Kim s., lee yh, Park FK na Oh KS na-ezube ndị dị ndụ nke ndị dị ndụ na-eji Foto ọgụgụ isi na-esite na isi ala. Sayensị. Kpesa 11, 1073 (2021).
Strn, D., Onye na-akwụ ụgwọ, C., Giliani, N., na Urschler, M. IEEE J. MOMED. Ahụ ike. 23, 1392-1403 (2019).
Cheng, Ajụjụ. mingelia. J. Usoro iwu. 135, 365-373 (2021).
WU, wt, et al. Ngwunye data na ụlọ ọgwụ nnukwu data: A na-ahụkarị ọdụ data, usoro, na usoro. Worldwa. ọgwụ. Resource. 8, 44 (2021).
Yang, J. et al. Okwu Mmalite nke ọdụ data ahụike data na teknụzụ ndị na-egwupụta data na nnukwu oge data. J. AvID. Isi ogwu. 13, 57-69 (2020).
Shen, s. et al. Usoro camer maka ị na-eme atụmatụ na ị na-eji mmụta ọrụ. BMC Health Health 21, 641 (2021).
ALLUBURG A. E. Ntụnyere nke usoro mmụta ngwa dị iche iche maka amụma Demelal site na iji usoro stamirjian. mingelia. J. Usoro iwu. 135, 665-675 (2021).
Debejin, A., Goldstein, H. na Tanner, jm a usoro maka ịtụle dọkịta ezé. snort. . 45, 211-227 (1973).
Antis, JR, na KECCH, GG ihe nke nkwekọrịta na-egosi na data dị na mpaghara. Biometa 33, 159-1744 (1977).
Bhattacharje S, Prakash D, Kim C, Kim HK na Choi HK. Akwụkwọ Nsọ, nyocha nke na-enyocha ihe nlere anya abụọ nke na-eji usoro ọgụgụ isi na-eji usoro ọgụgụ isi na-eme ihe dị iche iche nke ụbụrụ isi mmalite. Ozi ahụike. Resource. https://doi./10.4258/hir.202.28.1.46 (2022).
Oge post: Jan-04-2024