Maschinelles Lernen für die multivariate Diagnose maligner Tumoren: Entwicklung und Test einer speziellen Software zur automatischen Optimierung verschiedener Klassifikationsalgor…

Ziele: Maschinelles Lernen ist ein viel versprechender Ansatz bei der anspruchsvollen multivariaten Differenzierung maligner und benigner Tumoren. Das Gebiet umfasst ein weites Spektrum an Algorithmen, die jedoch optimiert werden müssen. Dies geschieht meist manuell. Um Fehler dabei zu reduzieren und die klinische Anwendung zu vereinfachen, haben wir eine spezielle Software entwickelt, die die Parameteroptimierung verschiedener Lernalgorithmen automatisiert. Diese Software wurde anschließend auf einem großen klinischen Datensatz evaluiert. Methode: Eine Software zum automatischen Testen vier gängiger Klassifikat…