基于多分类器多因素融合的渐进式乳腺癌辅助诊断模型

发布时间：2024-01-30 12:11

　　智慧医疗是医学和人工智能的交叉领域,是近年来国内外研究的热点领域之一。通过机器学习的手段可以非常有效的缓解医疗资源不足和患者就医需求日益增长之间的矛盾。乳腺癌是当今女性最大的威胁之一,作为一种异质性肿瘤,乳腺癌诊断涉及人口学信息、免疫学、生物化学等方面繁杂的因素,判断依据复杂多样。在乳腺癌实际临床诊断中由于不同病程阶段对患者采用不同检查手段,同一时间不同患者检查项目往往不同。上述情况为乳腺癌综合诊断模型构建带来了巨大的挑战。本文在研究多种分类器和融合方法的基础上,构建了基于多分类器多因素融合的渐进式综合诊断模型,主要工作如下:(1)针对乳腺癌涉及理化指标繁杂,表述方式多样的问题进行了数据特征提取与选择。结合相关医学文献和现有数据,选取血常规、血液肿瘤标志物、免疫组化三项医学检查数据,利用LASSO和随机森林算法选取其中关键性指标,并参考专业医学资料印证其正确性。(2)针对乳腺癌数据种类多样的特点,分析了随机森林、决策树、K近邻、支持向量机、逻辑回归、LSTM六种基分类模型优劣性、关键参数等相关特性。通过实验对比各模型在包含人口学信息的血常规、血液肿瘤标志物、免疫组化数据上的分类性能,结...

【文章页数】：75 页

【学位级别】：硕士

图1.1本文主要工作整体示意图

图2.1随机森林流程图

图2.2LSTM原理图

图2.3串行融合拓扑结构图

本文编号：3890130