检索结果-南通市图书馆

湖州师范学院学报 2024年第2期46卷 83-91页

作者：纪江明赵玲湖州师范学院经济管理学院浙江湖州313000 湖州师范学院信息工程学院浙江湖州313000

为提高肺癌患者存活性预测的准确率,提出一种基于Stacking集成学习的肺癌患者存活性预测模型.先对数据集进行预处理、特征选择、变量转换等,然后以XGBoost(eXtreme Gradient Boosting)、SVM(Support Vector Machine)和LR(Logistic Regre... 详细信息

为提高肺癌患者存活性预测的准确率,提出一种基于Stacking集成学习的肺癌患者存活性预测模型.先对数据集进行预处理、特征选择、变量转换等,然后以XGBoost(eXtreme Gradient Boosting)、SVM(Support Vector Machine)和LR(Logistic Regression)3种算法为基学习器,以朴素贝叶斯为元学习器构造模型,再运用Grid Search网格搜索方法优化超参数,并利用交叉验证方法对SEER公开的肺癌数据集进行仿真实验.研究结果表明,该模型的预测准确率达85%,比单一模型高10%.该模型在肺癌患者存活性预测上有着更好的准确性和解释性,可以很好地为肺癌患者预后提供决策支持,以弥补经验的不足.

关键词：存活性预测肺癌患者集成学习交叉验证

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于决策树集成学习的癌症存活性预测分析

基于决策树集成学习的癌症存活性预测分析

引用

作者：王宇燕大连理工大学

学位级别：硕士

数据驱动决策已成为大数据时代的重要理念和方法,医疗健康行业是其应用的典型领域之一。利用数据挖掘技术,通过构建相关指标体系和模型,为医疗决策提供强有力的支持具有重要的现实意义。癌症一直是人类难以攻克的疾病,癌症存活性预测是... 详细信息

数据驱动决策已成为大数据时代的重要理念和方法,医疗健康行业是其应用的典型领域之一。利用数据挖掘技术,通过构建相关指标体系和模型,为医疗决策提供强有力的支持具有重要的现实意义。癌症一直是人类难以攻克的疾病,癌症存活性预测是癌症预后中一项重要而有挑战性的任务。近年来,一些研究将机器学习方法用于癌症存活性预测模型构建,对癌症患者进行5年存活性分类,比传统的临床预测法和基于统计学工具的分析预测取得了更高的预测精度。为了进一步提高癌症存活性分类的准确性,本文用遗传算法(Genetic Algorithm,GA)对经典集成学习算法随机森林(Random Forest,RF)进行改进研究,提出了基于GA-RF的集成分类方法。该方法利用随机森林算法生成初始分类树集,然后以提高集成准确性为目标用遗传算法对分类树集合实施进化搜索,寻找决策树的最佳组合。实验使用美国国家癌症研究所的结直肠癌数据进行癌症存活性分类模型构建,并将改进后的方法与决策树算法、随机森林算法进行比较,实验结果显示,基于GA-RF的集成分类方法不仅表现出了最好的准确性,而且和原随机森林算法相比具有更低的集成复杂度。对于癌症晚期患者而言,具体存活时间的预测对临床实践具有更大的指导作用。为得到更准确的预测结果,本文提出了考虑均方误差(Mean Squared Error,MSE)和多样性的回归树集成方法。考虑到集成学习中个体学习器多样性的重要性,该方法在个体学习器生成阶段和选择集成阶段均采取创造多样性的操作,通过自举重采样和随机子空间法对训练集的样本和特征同时进行抽取训练大量的回归树,然后同时考虑回归树的多样性并结合单个回归树的预测性能利用多目标优化算法寻找好的回归树组合。实验使用美国国家癌症研究所的癌症数据进行癌症存活期预测模型构建,并将所提出的集成回归方法与决策树以及随机森林、AdaBoost、Gradient Boosting等几种经典的基于决策树的集成学习方法进行比较,实验结果显示,本文提出的方法在癌症存活期预测中以较低的集成复杂度获得了最低的预测误差,并且该集成模型对存活期具有最好的解释能力。结果表明,本文对随机森林的改进行之有效,能够提高癌症存活性分类准确性,同时,本文提出的考虑MSE和多样性的回归树集成方法可有效用于癌症存活期预测。上述两种方法得到的模型可以弥补传统经验预测的不足,辅助医生做出更准确的医疗决策。最后,考虑到预测模型在医疗实践中的推广使用,从模型管理的角度,对得到的癌症存活性预测模型进行统一地知识化表示,以便模型在决策支持系统中被统一地维护和调用。

关键词：癌症存活性预测决策树集成遗传算法多目标优化

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于两阶段异构堆叠集成学习方法的胃癌和皮肤癌存活性预测研究

基于两阶段异构堆叠集成学习方法的胃癌和皮肤癌存活性预测研究

引用

作者：冯易四川大学

学位级别：硕士

随着医疗大数据时代的到来,数据驱动医疗决策已成为医疗健康行业发展的重要方法和手段。根据不同医疗需求,综合运用预测分析、数据挖掘、统计分析、人工智能、机器学习等技术构建相关预测模型和指标体系能够为医疗决策者提供决策辅助支... 详细信息

随着医疗大数据时代的到来,数据驱动医疗决策已成为医疗健康行业发展的重要方法和手段。根据不同医疗需求,综合运用预测分析、数据挖掘、统计分析、人工智能、机器学习等技术构建相关预测模型和指标体系能够为医疗决策者提供决策辅助支持。癌症一直以来都是发病率和致死率较高的疾病之一,严重危害人类的身体健康。癌症存活性预测是癌症预后的三大任务之一,准确地预测癌症患者的存活状态对辅助医生制定针对性治疗方案、提高患者满意度有着重要的意义。然而,目前癌症存活性预测模型仍然存在准确率低、泛化能力弱等问题。为了进一步提高癌症存活性预测模型的准确性,本文提出了基于先验知识的稳定性特征选择方法(PKSFS)和基于两阶段异构堆叠集成学习方法(记作BQAXR)对不同癌症患者的存活性进行预测研究。首先,特征选择方法PKSFS基于先验知识和稳定性来去除高维癌症数据集中的冗余特征,并选择重要特征来更好地指导后续模型的构建。随后,BQAXR基于堆叠集成策略将五个异构学习器分两个阶段进行集成融合,并试图通过改善学习器的不足从而进一步实现集成模型性能的提升。具体来说,第一阶段由四个异构基础学习器组成,包括基于bagging的K近邻算法、基于量子粒子群算法的支持向量机、基于Adam算法的多层感知器和极端梯度提升树。四个基础学习器将通过五折交叉验证方法生成新的训练集和测试集。在第二阶段中,基于RAdam算法的多层感知器将在第一阶段所生成的新数据集进行训练和预测。为了验证PKSFS和BQAXR的优越性,本文从美国国家癌症研究所“监测流行病学和结果”数据库(Surveillance,Epidemiology,and End Results,SEER)中申请并获取了胃癌存活性数据集和皮肤癌存活性数据集,并基于这两个真实癌症数据集从不同角度进行了大量数值实验研究。实验结果表明,PKSFS相比于常见的特征选择方法(过滤法、包裹法、嵌入法、混合特征选择以及无特征选择方法)在处理高维度数据集时具有明显的优势;BQAXR的性能不仅优于主流机器学习方法(决策树、随机森林、梯度提升决策树等),而且优于一些改进的机器学习方法(基于遗传算法的支持向量机等)。因此,本文所提出的方法能够有效提高癌症存活性预测的准确性,进而为医生制定医疗决策提供借鉴。

关键词：癌症存活性预测堆叠集成异构集成特征选择

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

改进随机森林的集成分类方法预测结直肠癌存活性

引用

管理科学 2017年第1期30卷 95-106页

作者：王宇燕王杜娟王延章 Yaochu Jin 大连理工大学管理与经济学部辽宁大连116023 英国萨里大学计算机系吉尔福德萨里GU27XH

癌症是人类死亡的主要原因之一,许多国家在癌症方面的支出占医疗总支出的很大比例。癌症存活性预测作为癌症预后的一项重要工作,可以辅助医生做出更精准的诊疗决策,进而降低癌症治疗成本。近年来,基于数据驱动的癌症存活性预测方法逐渐... 详细信息

癌症是人类死亡的主要原因之一,许多国家在癌症方面的支出占医疗总支出的很大比例。癌症存活性预测作为癌症预后的一项重要工作,可以辅助医生做出更精准的诊疗决策,进而降低癌症治疗成本。近年来,基于数据驱动的癌症存活性预测方法逐渐得到应用,而预测的准确性是评价预测方法性能的主要指标,因此提高癌症存活性预测方法的准确性一直是一个活跃的研究领域。结直肠癌是一种具有高发病率和高死亡率的癌症,为了提高结直肠癌存活性预测的准确性,利用遗传算法对随机森林进行改进,提出基于GA-RF的集成分类方法。该方法通过遗传算法对随机森林中的决策树实行进化搜索,以提高集成分类准确率为目标选出决策树的满意集成。实验分别使用基于GA-RF的集成分类方法、决策树和参数优化的随机森林训练预测模型预测结直肠癌患者的存活性,利用SEER数据库的结直肠癌数据集对3种方法分别进行10折交叉验证,然后用准确性、敏感性和特异性3个指标对它们进行评价。实验结果显示,基于GA-RF的集成分类方法的预测精度最高(88.2%),参数优化的随机森林的预测精度次之(86.4%),但集成复杂度远高于基于GA-RF的集成分类方法,决策树的预测精度最差(74.2%),而基于GA-RF的集成分类方法还表现出了最好的泛化性能。该集成分类方法对随机森林进行了有效的改进,能以更高的运算效率和更好的准确性预测结直肠癌存活性,可以为结直肠癌的预后提供决策参考,弥补经验预测的不足,该方法的提出对节约医疗资源、降低医疗成本、提高患者满意度具有实际意义。

关键词：随机森林遗传算法集成分类存活性预测结直肠癌

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

结直肠癌辅助决策系统的设计与实现

结直肠癌辅助决策系统的设计与实现

引用

作者：王智宇北京邮电大学

学位级别：硕士

随着我国经济水平的不断提高,我国医疗行业发展迅速,行业体量不断增大。人们对高质量、高水平的医疗服务的需求日益增长,国家也在积极号召要加强人工智能在医疗卫生等领域的深度应用。目前医院的信息化建设虽然已经初见成效,但仍存在医... 详细信息

随着我国经济水平的不断提高,我国医疗行业发展迅速,行业体量不断增大。人们对高质量、高水平的医疗服务的需求日益增长,国家也在积极号召要加强人工智能在医疗卫生等领域的深度应用。目前医院的信息化建设虽然已经初见成效,但仍存在医疗工具缺乏维护、用法繁琐、缺乏智能化等问题。本论文以结直肠癌为例,在XGBoost方法的基础上使用SEER数据集进行结直肠癌症患者采用特定治疗方案存活性预测模型的研究,并将该模型应用于结直肠癌患者采用不同治疗方案效果评价,进而实现治疗方案的推荐。现阶段对于肿瘤患者存活性预测主要依赖患者的健康信息和肿瘤分期等信息,在此方面已经有许多相关研究,但大多忽略了患者采取何种治疗方式对存活性的影响。本文在现有研究的基础上,将SEER数据集中治疗相关的属性引入实验,通过数据变换、空值填充、独热编码、归一化等方法完成数据预处理,通过对XGBoost方法的改进构建得出结直肠癌患者的存活性预测模型,在验证集中准确性为88%、AUC为75%,能够在辅助决策系统中集成使用。系统从医务人员的工作实际出发,实际工作流程和具体业务场景的梳理和分析,选取患者治疗、患者复查和患者数据管理三个临床应用场景,分析、设计并实现了一种功能齐全、简单易用的结直肠癌辅助决策系统,能够辅助医生完成治疗方案制定的决策和复查时患者状态评估的决策并完成一些日常诊疗任务,具有一定的实用价值和现实意义。

关键词：辅助决策系统存活性预测 SSM框架 XGBoost

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：