基于BP神经网络的肺腺癌预测

针对肺腺癌在医疗过程中的数据信息量庞大而面临的诊断治疗等难题,提出了一种基于BP神经网络的肺腺癌预测的方法实现根据肺腺癌临床数据进行科学准确地预测。从数据获取出发,在癌症基因组图谱(the cancer genome atlas,TCGA)中下载患者的临床数据,对原始数据进行特征工程处理,利用特征值及目标值使用弹性BP算法(resilient back propagation,RPROP)建立模型,最后利用测试集数据评估模型。最终模型准确率达90.37%。结果表明,数据的精确程度,算法的适用性对预测结果影响较大,使用BP神经网络以及合适的参数对肿瘤临床数据分类预测具有良好的效果。