TY - JOUR A2 - Gao, Yang AU - Obulesu, O. AU - Kallam, Suresh AU - Dhiman, Gaurav AU - Patan, Rizwan AU - Kadiyala, Ramana AU - Raparthi, Yaswanth AU - Kautish，肺癌是一个复杂的全球健康问题，近年来死亡率不断上升。随着近年来高通量技术的快速发展和几种机器学习方法的出现，基于子集特征的癌症疾病诊断取得了进展，为疾病的高效、准确诊断提供了认识。因此，能够幸运地将肺癌患者与健康人区分开来的渐进式机器学习技术备受关注。本文提出了一种基于生成深度学习的基于Wilcoxon签名生成深度学习(WS-GDL)的肺癌诊断方法。首先，测试显著性分析和信息增益消除冗余和不相关的属性，提取大量信息丰富和重要的属性。然后，利用生成深度学习方法，利用生成函数对深度特征进行学习。最后，提出一种极小极大对策(即误差最小化，精度最大化)来诊断疾病。在胸外科数据集上进行了数值实验，验证了WS-GDL方法的疾病诊断性能。WS-GDL方法可以通过选择最优的学习模型参数来创建相关和重要的属性并自适应诊断疾病。 Quantitative experimental results show that the WS-GDL method achieves better diagnosis performance and higher computing efficiency in computational time, computational complexity, and false-positive rate compared to state-of-the-art approaches. SN - 2040-2295 UR - https://doi.org/10.1155/2021/5912051 DO - 10.1155/2021/5912051 JF - Journal of Healthcare Engineering PB - Hindawi KW - ER -