恶性甲状腺肿瘤预测模型选择与实证研究

论文摘要

近年来,我国甲状腺肿瘤的发病率在全球排名不断提升,恶性甲状腺肿瘤早期预测对手术成功率有很大影响,而恶性甲状腺肿瘤的预测准确率高低很大程度取决于模型的好坏。因此,预测模型的选择对于恶性甲状腺肿瘤的预测十分重要。本文借助国家人口与健康科学数据共享服务平台,对恶性甲状腺肿瘤的预测问题进行实证研究。首先对数据集进行量化分析,选择了对目标变量有影响的10个自变量,并将数据集分为训练集和测试集。在分析中分别采用了logistic回归、随机梯度下降、决策树和随机森林四个模型,进行参数调优。综合比较来看,随机森林模型对于恶性甲状腺肿瘤的预测准确率最高。通过实证分析发现,在十个影响因素中边缘、大小这两个指标对于甲状腺癌的影响最大,应重点关注边缘的情况。如果边缘呈现出边缘小分叶及毛刺、边缘小分叶或毛刺形状,则甲状腺肿瘤诊断为恶性的几率较高;四个模型中随机梯度模型的预测准确率为86.1%,Logistic模型预测准确率为93.7%,决策树模型预测准确率为94.9%,随机森林模型预测准确率为98.7%,其中随机森林模型效果最好,能准确的预测甲状腺肿瘤的良恶性;通过对危险征象进行分析和建立模型,可以看到多因素综合分析可以提高甲状腺癌预测的准确性。

论文目录

• 一、问题描述
•   （一）问题背景
•   （二）研究现状
•     1、恶性甲状腺肿瘤相关研究
•     2、模型选择相关研究
•   （三）研究思路
• 二、恶性甲状腺肿瘤的模型构建
•   （一）Logistic回归
•   （二）随机梯度下降法
•   （三）决策树
•     1、分裂属性选择建树
•     2、决策树模型的剪枝介绍
•   （四）随机森林
•   （五）模型的调优介绍
• 三、恶性甲状腺肿瘤的实证分析
•   （一）数据来源及指标处理
•     1、数据来源
•     2、指标解释
•     3、变量处理
•   （二）logistic模型的实证分析
•     1、基本模型构建
•     2、模型参数的优化调整
•   （三）随机梯度模型的实证分析
•     1、基本模型构建
•     2、模型参数的优化调整
•   （四）决策树模型的实证分析
•     1、基本模型构建
•     2、模型参数的优化调整
•   （五）随机森林模型的实证分析
•     1、基本模型构建
•     2、模型参数的优化调整
•   （六）模型评价
• 四、结论与建议

文章来源

类型: 期刊论文

作者: 刘超,戈晓晨,邵洁,崔骁

关键词: 恶性甲状腺肿瘤,预测模型,随机森林

来源: 统计与管理 2019年11期

年度: 2019

分类: 经济与管理科学,社会科学Ⅱ辑,基础科学,医药卫生科技

专业: 数学,肿瘤学

单位: 河北大学经济学院

基金: 河北省社会科学基金项目“河北省儿童流行病的多源监测和大数据预警”（HB18TJ001）

分类号: R736.1;O212.1

DOI: 10.16722/j.issn.1674-537x.2019.11.003

页码: 13-22

总页数: 10

文件大小: 1579K

下载量: 109