Enhancing breast cancer diagnosis through machine learning algorithms.
乳腺癌是全球重大健康问题，也是女性首位死因。由于癌症类型超过100种且症状各异，早期检测面临挑战。2016—2020年，乳腺癌每年导致每10万名女性中19.6人死亡，凸显早期治疗的重要性。机器学习已成为改善早期诊断和预后、降低死亡率的重要工具。本研究基于CDP乳腺癌数据集，对支持向量机（SVM）、决策树（DT）、随机森林（RF）、逻...
Classification of bacterial nanowire proteins using Machine Learning and Feature Engineering model.
细菌纳米线（NW）在希瓦氏菌属（Shewanella spp.）和地杆菌属（Geobacter spp.）中已被广泛研究，通常由IV型菌毛或多血红素c型细胞色素形成。通过纳米线进行的电子转移是微生物诱导腐蚀研究中最受关注的机制之一，近年来也引起生物电子与生物传感器领域的兴趣。本研究开发了一种基于机器学习（ML）的工具，用于分类纳米线...
An Innovative Random-Forest-Based Model to Assess the Health Impacts of Regular Commuting Using Non-Invasive Wearable Sensors.
本研究调查通勤对人类健康的影响，采用主客观指标评估通勤压力。研究招募45名健康成人（18名女性、27名男性），通勤方式包括公交、驾车、骑行、火车、地铁及公交+火车。参与者连续5天在早晨通勤期间佩戴非侵入式可穿戴生物传感器，采集脑电（EEG）和血压（BP），并记录天气温度；同时通过PANAS量表收集年龄、身高、体重、用药、饮酒和吸烟等...
Toward Improving Electrocardiogram (ECG) Biometric Verification using Mobile Sensors: A Two-Stage Classifier Approach.
移动设备采集的心电图（ECG）信号具有用于生物特征身份识别的潜力，可应用于对数据安全要求较高的远程访问控制系统。本研究提出一种新的两阶段分类算法，将随机森林（random forest）与小波距离度量（wavelet distance measure）通过概率阈值方案相结合，以提高基于移动设备集成生物传感器所获取 ECG 数据的生物...