Оценка эффективности алгоритмов выявления рака с использованием синтетических данных на основе машинного обучения
https://doi.org/10.21122/2309-4923-2025-2-46-53
Аннотация
В данном исследовании проанализировано распределение реальных объектов и синтетически расширенных данных, а также оценено их влияние на модели машинного обучения. Были сопоставлены результаты обучения моделей: Logistic Regression, Decision Tree, Random Forest и SVM на синтетических данных с результатами, полученными на датасете реальных объектов. Экспериментальные результаты показали, что использование синтетически расширенных данных способствует повышению точности классификационной модели, причем особенно заметное улучшение наблюдается в некоторых алгоритмах.
Ключевые слова
Об авторе
Ш. И. Хайдаров
Денауский институт предпринимательства и педагогики (DTPI)
Узбекистан
Узбекистан
Хайдаров Шерали Исламович, преподаватель кафедры информационных технологий.
Республика Узбекистан
Список литературы
1. He, H. Learning from imbalanced data / Haibo He, Edwardo A. Garcia // IEEE Transactions on Knowledge and Data Engineering. – 2009. – Vol. 21, Iss. 9. – P. 1263–1284. – DOI: 10.1109/TKDE.2008.239
2. SMOTE: synthetic minority over-sampling technique / N. V. Chawla, K. W. Bowyer, L. O. Hall, W. P. Kegelmeyer // Journal of Artificial Intelligence Research. – 2002. – Vol. 16. – P. 321–357. – DOI: 10.1613/jair.953
3. Generative Adversarial Networks / Ian J. Goodfellow, Jean Pouget-Abadie, Mehdi Mirza [et al.] // Proceedings of the 27th International Conference on Neural Information Processing Systems. – 2014. – P. 2672–2680. – DOI: 10.48550/arXiv.1406.2661
4. SMOTE for learning from imbalanced data: progress and challenges, marking the 15-year anniversary / Alberto Fernandez, Salvador Garcia, Francisco Herrera, Nitesh V. Chawla // Journal of Artificial Intelligence Review. – 2018. – Vol. 61. – P. 863–905. – DOI: 10.1613/jair.1.11192
5. Liu, B., Ding, H., & Wang, Y. (2020). "Synthetic Data Augmentation for Medical Diagnosis". IEEE Transactions on Biomedical Engineering.
6. J. Smith, "Medical Classification Systems". Journal of AI in Medicine, 2020.
7. R. Brown, "Heuristic Algorithms in Diagnosis". Medical Informatics Review, 2019.
8. Nishanov, A. Modification of decision rules “ball Apolonia” the problem of classification / A.X. Nishanov, O.B. Ruzibaev, Nguyen H. Tran // 2016 International Conference on Information Science and Communications Technologies (ICISCT). – Tashkent, Uzbekistan, 2016 – DOI: 10.1109/ICISCT.2016.7777382
9. Nishanov, A. Analysis of methodology of rating evaluation of digital economy and e-government development in Uzbekistan / Akhram Khasanovich Nishanov, Saidrasulov Sherzod Norboy o’g’li, Babadjanov Elmurad Satimbaevich // International Journal of Early Childhood Special Education. – 2022. – Vol. 14, iss. 2. – P. 2447–2452. – DOI: 10.9756/INT-JECSE/V14I2.230
10. Algorithm for the selection of informative symptoms in the classification of medical data / A. Kh. Nishanov, O. B. Ruzibaev, J. C. Chedjou [et al.] // Developments of Artificial Intelligence Technologies in Computation and Robotics. – 2020. – P. 647–658. – DOI: 10.1142/9789811223334_0078
11. Nishanov, A.Kh. A decisive rule in classifying diseases of the visual system / A. Kh. Nishanov, A. Kh. Turakulov, Kh. V. Turakhanov // Meditsinskaia tekhnika. – 1999. – Iss. 4, July – August. – P. 16-18. – Article in Russian.
12. Clustering algorithm based on object similarity / A. Kh. Nishanov, V. Kh. Akbarova, A. T. Tursunov [et al.] // Journal of Mathematics, Mechanics and Computer Science. – 2024. – Vol. 123, № 3. – P. 108–120. – DOI: 10.26577/JMMCS2024-v123-i3-4
13. Stages of Preparing Symptoms of Breast Cancer for Machine Learning / Nishanov Akhram Khasanovich, Mamajanov Raxmatilla Yakubjanovich, Xaydarov Sherali Islom o‘g‘li [et al.] // Digital Transformation and Artificial Intelligence. – 2024. – Vol. 2, Iss. 6. – P. 237–249. – DOI: https://dtai.tsue.uz/index.php/dtai/article/view/v2i633
14. Stages of Forming Symptoms Used in the Diagnosis of Endocrine Diseases". / Nishanov Akhram Khasanovich, Mengturayev Farxod Ziyatovich, Allayarov Uktamjon Bektashovich, Xaydarov Sherali Islom o‘g‘li // Digital Transformation and Artificial Intelligence. – 2024. – Vol. 2, № 6. – P. 228–236. – DOI: https://dtai.tsue.uz/index.php/dtai/article/view/v2i632
15. Diagnostic algorithm for early detection of breast cancer based on error minimization approach / Nishanov Akhram Khasanovich, Mamazhanov Rakhmatilla Yakubzhanovich, Khaidarov Sherali Islom o‘g‘li [et al.] // International Journal of Innovative Science and Research Technology (IJISRT). – 2024. – Vol. 9, Iss. 12. – P. 1535–1542. – DOI: 10.5281/zenodo.14565218
16. The Importance of Early Detection of Cancer Diseases and Methods and Algorithms Based on Modern Technologies / Nishanov Akhram Khasanovich, Mamajanov Raxmatilla Yakubjanovich, Xaydarov Sherali Islom o‘g‘li, Mengturayev Farxod Ziyatovich // Digital Transformation and Artificial Intelligence. – 2025. – Vol. 3, № 1. – P. 110–117. – DOI: https://dtai.tsue.uz/index.php/dtai/article/view/v3i117
Рецензия
Для цитирования:
Хайдаров Ш.И. Оценка эффективности алгоритмов выявления рака с использованием синтетических данных на основе машинного обучения. Системный анализ и прикладная информатика. 2025;(2):46-53. https://doi.org/10.21122/2309-4923-2025-2-46-53
For citation:
Khaydarov Sh.I. Assessing the efficiency of the cancer detection algorithms using synthetic data based on machine learning. «System analysis and applied information science». 2025;(2):46-53. (In Russ.) https://doi.org/10.21122/2309-4923-2025-2-46-53
Просмотров:
9
Послать статью по эл. почте 