基于集成学习算法构建前列腺癌预测模型

论文摘要

目的:利用机器学习算法建立前列腺癌诊断预测模型,为前列腺癌患者的穿刺术前诊断提供参考。方法:收集2017年1月-2018年12月中国医科大学附属盛京医院泌尿外科接受前列腺穿刺的255例患者的临床信息作为变量,采用Logistic多因素分析、信息增益率两种方法筛选研究变量,应用十折交叉验证划分训练集和测试集,采用多种机器学习算法（RF,SVM,Logistic,Naive Bayes）建立前列腺癌诊断模型,收集2019年1-6月的75例患者作为验证集,进一步评估模型性能和临床应用的可能性。结果:应用信息增益率筛选变量所建立的模型性能优于Logistic多因素回归分析。在4种机器学习算法中,Naive Bayes算法AUC最高,在试验集和验证集上分别为0.826和0.797。RF算法的Precision最高,在试验集和验证集上分别达到0.839和0.791。结论:基于前列腺穿刺患者的多种临床信息,通过机器学习方法建立诊断预测模型具有较高的准确率,能够为前列腺癌的诊断提供一定参考。

论文目录

• 1 数据收集与预处理
•   1.1 数据收集及变量介绍
•   1.2 数据预处理
•     1.2.1 缺失值处理
•     1.2.2 预测变量筛选
•   1.3 结局变量
• 2 构建前列腺癌诊断预测模型
•   2.1 构造样本集
•     2.1.1 训练集和测试集
•     2.1.2 验证集
•   2.2 模型构建方法
•     2.2.1 集成学习
•     2.2.2 朴素贝叶斯
• 3 结果与分析
•   3.1 变量筛选结果及分析
•     3.1.1 多因素Logistic分析
•     3.1.2 信息增益率分析
•   3.2 模型结果分析
•   3.3 模型验证
• 4 讨论

文章来源

类型: 期刊论文

作者: 杜超,范馨月,单立平

关键词: 机器学习算法,前列腺癌,穿刺活检,多因素回归分析

来源: 中华医学图书情报杂志 2019年12期

年度: 2019

分类: 信息科技,医药卫生科技

专业: 泌尿科学,肿瘤学,自动化技术

单位: 中国医科大学附属盛京医院

分类号: TP181;R737.25

页码: 19-24

总页数: 6

文件大小: 576K

下载量: 61