基于机器学习的宫颈病变预测模型构建

作     者：周玲 

作者单位：吉林大学 

学位级别：硕士

导师姓名：杨琦

授予年度：2024年

学科分类：1002[医学-临床医学] 100214[医学-肿瘤学] 10[医学] 

主      题：人乳头状瘤病毒 宫颈病变 病毒载量 Logistic回归 机器学习 模型构建 

摘      要：背景: 宫颈癌是女性生殖系统的主要威胁之一,与人乳头状瘤病毒感染密切相关,HR-HPV病毒载量及基因型在不同程度上可能对宫颈疾病产生影响。在医疗实践中,越来越多的人基于机器学习的方案来预测早期阶段的严重疾病,以此实现早发现、早治疗。因而机器学习技术的应用也有望通过预测模型提高宫颈病变的早期诊断准确性。 目的: 1、本研究旨在基于临床资料分析宫颈病变的临床危险因素,并进一步结合传统Logistic回归分析和ML技术构建预测模型为临床诊疗提供一定的指导,从而减轻阴道镜检查服务的负担,同时避免因过度转诊而导致的不良后果。 2、本研究基于Logistic回归比较单项筛查和联合筛查对于CIN2+的诊断价值。 材料与方法: 本研究收集了因宫颈疾病于2018年8月至2022年9月在中日联谊医院妇科就诊的患者共944名,根据是否行TCT和P16检查划分为A组和B组,此外根据感染类型将B组划分为B1组和B2组。按组织病理结果,将A组和B组分为 更多 还原 AbstractFilter( ChDivSummary , ChDivSummaryMore , ChDivSummaryReset );