18、乳腺癌分类与手机推文情感分析研究

乳腺癌分类与手机推文情感分析研究

1. 乳腺癌分类研究

乳腺癌若不及时治疗，对女性而言是致命疾病。在资源有限的情况下，准确预测乳腺癌至关重要。有研究提出了一种利用乳腺钼靶图像预测乳腺癌的方法，采用了改进的DenseNet201架构。该架构具有身份映射、深度监督和多样化深度的特点，同时遵循简单的连接规则，能实现特征在网络间的重用，从而学习到更紧凑、准确的细节。在公开的MIAS数据集上，该模型对乳腺钼靶图像的分类准确率达到了99.4%。

其性能分析可通过混淆矩阵进行，混淆矩阵能分析分类模型在未见过的测试数据上的表现。

2. 手机推文情感分析概述

在当今科技时代，社交媒体上顾客的言论对购买行为影响巨大。社交媒体的评论和评价对各组织来说十分有用，有助于它们在竞争中脱颖而出并提前改进产品。情感分析应运而生，它能从文本数据中提取情感和观点，可将文本数据识别为积极、消极或中性。

Twitter作为新兴的社交网络平台，允许用户通过短消息“推文”广播个人动态、社区分享、全国或国际事件等。推文形式多样，包括文本、音频、视频或外部网站链接。由于大部分推文简短且不断更新，公众广泛使用Twitter表达对事件的情感。

3. 情感分析的分类

情感分析可分为以下三种类型：
- 文档级情感分析 ：将整个文档视为一个整体，给出积极或消极的情感值。可通过“计算”方法判断文本是积极、消极还是中性。
- 句子级情感分析 ：针对文档中的单个句子，给出积极或消极的观点。首先要判断句子是主观还是客观，确定主观句子的极性，排除客观句子。若句子为主