| Popis: |
Mammakarzinomgewebe wurde mit Methoden der deskriptiven Statistik in Python analysiert. Der Datensatz umfasst etwa 569 Fälle von Tumorgewebe, unterteilt nach den Diagnosen bösartig und gutartig sowie drei miteinander vergleichbare Kategorien wie durchschnittlich, segmentär und schlimmstenfalls. Hauptziel ist es, die Unterschiede zwischen diesen Kategorien und den Einfluss der Diagnose darauf zu finden und aufzuzeigen. Es wurden vergleichende Analysen, aber auch getrennte Analysen durchgeführt, nützliche Bibliotheken dafür waren Pandas, SciPy.Stats und NumPy und Visualisierungstools wie Matplotlib und Seaborn. Es wurde eine wissenschaftliche Literaturrecherche zur Differenzierung dieser beiden Diagnosen und Brustkrebs im Allgemeinen durchgeführt, ebenso wie neueste Forschungen zur Unterscheidung von Krebsgewebe während einer Operation mit einem biotechnologischen Ansatz wie LPS. Ergebnisse zeigen, dass, gleichmäßige Oberfläche, Kompaktheit und konkave Punkte am meisten miteinander korrelieren. Mammary carcinoma tissue was analysed with descriptive statistic methods in phyton. The Dataset was about 569 cases of tumorous tissues divided by diagnosis malignant and benign as well as three categories that were comparable to each other like mean, segmental and worst. Main goal is to find the differences between those categories and the impact the diagnosis has on that. Comparative analysis but also separate analysis was used, useful libraries for that were Pandas, SciPy. Stats and NumPy and visualisation tools like Matplotlib and Seaborn. Biological literature search for differentiation of those two diagnoses and breast cancer in general was made, as well as most recent research on how to distinguish cancer tissue during surgery with a biotechnological approach like LPS. Results show that smoothness, compactness, concave points are highly correlated. |
