预测ER及PR双阴性乳腺癌的CT影像学机器学习模型的建立

目的构建预测雌激素受体(ER)及孕激素受体(PR)双阴性乳腺癌的CT影像学机器学习模型。方法收集2020年1月—2023年5月本院经病理确诊乳腺癌病人223例,按7∶3的比例随机分为训练集(156例)及验证集(67例)。收集病人的临床资料,分别采用CRT决策树及BP神经网络构建ER及PR双阴性乳腺癌的预测模型。结果年龄、组织学类型、组织学分级、增殖细胞核抗原-67增殖指数、淋巴结转移及毛刺征在双阴性乳腺癌组与非双阴性乳腺癌组间差异有统计学意义(χ^(2)=4.078~15.177,P<0.05)。在训练集和验证集中,CRT决策树模型预测双阴性乳腺癌的受试者工作特征曲线下面积(AUC)分别为0.758(95%CI=0.670~0.846)和0.796(95%CI=0.672~0.920),BP神经网络模型的AUC分别为0.787(95%CI=0.701~0.874)和0.836(95%CI=0.722~0.950)。结论CRT决策树模型及BP神经网络模型对ER及PR双阴性乳腺癌具有一定的预测效能,BP神经网络模型优于CRT决策树模型。

期货交易的历史发展——兼论建立有中国特色的期货市场

随着社会主义市场经济的建立和发展,以及我国关贸总协定缔约国地位的恢复,我国的市场将成为世界整个大市场的一部分。在这种新形势下,我国要进入国际市场,参与国际经济竞争,期货交易就成为一种重要方式。因此,研究期货交易的理论,掌握期货交易的操作方法,对于指导我们的实际工作有着重要的意义。