A Comparative study of cancer detection models using deep learning
Nasra Omar Ali · 2020
Leukemi ar en form av cancer som kan vara en dodlig sjukdom. For att rehabilitera och behandla sjukdomen kravs det en korrekt och tidig diagnostisering. For att minska vantetiden for testresultaten har de ordinara metoderna transformerats till automatiserade datorverktyg som kan analyser och diagnostisera symtom. I detta arbete, utfordes det en komparativ studie. Det man jamforde var tva olika metoder som detekterar leukemia. Den ena metoden ar en genetisk sekvenserings metod som ar en binar klassificering och den andra metoden en bildbehandlings metod som ar en fler-klassad klassificeringsmodell. Modellerna hade olika inmatningsvarden, daremot anvande sig de bada av Convolutional neural network (CNN) som natverksarkitektur och fordelade datavardena med en 3-way cross-validation teknik. Utvarderings metoderna for att analysera resultaten ar learning curves, confusion matrix och klassifikation rapport. Resultaten visade att den genetiska sekvenserings metoden hade fler antal varden som var korrekt forutsagda med 98 % noggrannhet. Den presterade battre an bildbehandlings metoden som hade varde pa 81% noggrannhet. Storlek pa de olika datauppsattningar kan vara en orsak till algoritmernas olika testresultat.