期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于随机森林算法的乳腺癌预测模型的研究
被引量:
6
1
作者
汪家清
韦哲
+3 位作者
张太鹏
于金玉
张鑫
穆云祥
《中国医学装备》
2022年第1期119-123,共5页
目的:基于主成分分析(PCA)方法与随机森林算法拟合对乳腺癌进行分类预测的模型,对比模型在不同参数下的各个评估指标后选出最优参数,并生成最优模型。方法:基于南斯拉夫卢布尔雅那大学医疗中心肿瘤研究所分享的乳腺数据集,该数据集能够...
目的:基于主成分分析(PCA)方法与随机森林算法拟合对乳腺癌进行分类预测的模型,对比模型在不同参数下的各个评估指标后选出最优参数,并生成最优模型。方法:基于南斯拉夫卢布尔雅那大学医疗中心肿瘤研究所分享的乳腺数据集,该数据集能够反映细胞核10项特征的平均值、标准误差及最大值的平均值三个维度,采用标准化缩放及PCA方法对数据进行处理,构建随机森林算法模型并对数据进行训练。结果:通过调整随机森林算法中不同主成分个数、树的深度、棵树等参数,构建模型准确率达95.4%,受试者工作特征(ROC)曲线下面积(AUC)值接近1,模型分类效果表现良好。结论:细胞核的三维特征作为判断恶性及良性的重要依据,通过不同模型算法及不同参数的设定可构建准确率更高且预测速度更快的模型,为乳腺癌治疗提供便捷、科学的手段,提高救治效率。
展开更多
关键词
乳腺癌
预测分析
随机森林
主成分分析(PCA)
探索性数据分析(EDA)
下载PDF
职称材料
基于Fisher线性判别分析对乳腺微钙化性质的预测研究
2
作者
汪家清
张鑫
+2 位作者
曹彤
王能才
张海英
《中国医学装备》
2022年第2期5-9,共5页
目的:使用基于机器学习的Fisher线性分类判别方法,对分割的乳腺微钙化数据进行线性变换,预测乳腺微钙化的性质。方法:基于Fisher线性分类判别分析原理,建立预测判别模型对乳腺微钙化的良、恶性进行分类。选取在医院行乳腺癌筛查的432例...
目的:使用基于机器学习的Fisher线性分类判别方法,对分割的乳腺微钙化数据进行线性变换,预测乳腺微钙化的性质。方法:基于Fisher线性分类判别分析原理,建立预测判别模型对乳腺微钙化的良、恶性进行分类。选取在医院行乳腺癌筛查的432例患者的原始数据,将原始数据中的30项569条乳腺癌特征数据为输入变量,以乳腺微钙化良、恶性的预测准确率为输出变量,建立乳腺微钙化分类判别模型。结果:将测试样本代入训练后的Fisher线性判别模型中,其预测乳腺微钙化的良、恶性分类准确率达到93.86%,受试者工作特征(ROC)曲线下面积(AUC)值为0.99,模型的分类性能良好。结论:建立的Fisher线性判别模型对乳腺微钙化良、恶性的预测分类效果较好,能够方便快捷地为乳腺疾病的临床诊断起辅助作用。
展开更多
关键词
乳腺微钙化
FISHER线性判别
线性变换
预测分类
机器学习
下载PDF
职称材料
1998年版ASTM修订的炭黑标准
3
作者
汪家清
《炭黑工业》
1999年第3期9-10,共2页
关键词
ASTM
炭黑
标准修订
原文传递
题名
基于随机森林算法的乳腺癌预测模型的研究
被引量:
6
1
作者
汪家清
韦哲
张太鹏
于金玉
张鑫
穆云祥
机构
甘肃省嘉峪关市酒钢医院乳腺专科
兰州理工大学电气工程与信息工程学院
出处
《中国医学装备》
2022年第1期119-123,共5页
文摘
目的:基于主成分分析(PCA)方法与随机森林算法拟合对乳腺癌进行分类预测的模型,对比模型在不同参数下的各个评估指标后选出最优参数,并生成最优模型。方法:基于南斯拉夫卢布尔雅那大学医疗中心肿瘤研究所分享的乳腺数据集,该数据集能够反映细胞核10项特征的平均值、标准误差及最大值的平均值三个维度,采用标准化缩放及PCA方法对数据进行处理,构建随机森林算法模型并对数据进行训练。结果:通过调整随机森林算法中不同主成分个数、树的深度、棵树等参数,构建模型准确率达95.4%,受试者工作特征(ROC)曲线下面积(AUC)值接近1,模型分类效果表现良好。结论:细胞核的三维特征作为判断恶性及良性的重要依据,通过不同模型算法及不同参数的设定可构建准确率更高且预测速度更快的模型,为乳腺癌治疗提供便捷、科学的手段,提高救治效率。
关键词
乳腺癌
预测分析
随机森林
主成分分析(PCA)
探索性数据分析(EDA)
Keywords
Breast cancer
Predictive analysis
Random forest
Principal component analysis(PCA)
Exploratory data analysis(EDA)
分类号
R318 [医药卫生—生物医学工程]
下载PDF
职称材料
题名
基于Fisher线性判别分析对乳腺微钙化性质的预测研究
2
作者
汪家清
张鑫
曹彤
王能才
张海英
机构
嘉峪关市酒钢医院乳腺专科
兰州理工大学电气工程与信息工程学院
解放军联勤保障部队第九四〇医院信息科
出处
《中国医学装备》
2022年第2期5-9,共5页
基金
第三批甘肃省民生课题(1303FCMA018)“远程会诊医疗信息服务平台建设与示范应用”。
文摘
目的:使用基于机器学习的Fisher线性分类判别方法,对分割的乳腺微钙化数据进行线性变换,预测乳腺微钙化的性质。方法:基于Fisher线性分类判别分析原理,建立预测判别模型对乳腺微钙化的良、恶性进行分类。选取在医院行乳腺癌筛查的432例患者的原始数据,将原始数据中的30项569条乳腺癌特征数据为输入变量,以乳腺微钙化良、恶性的预测准确率为输出变量,建立乳腺微钙化分类判别模型。结果:将测试样本代入训练后的Fisher线性判别模型中,其预测乳腺微钙化的良、恶性分类准确率达到93.86%,受试者工作特征(ROC)曲线下面积(AUC)值为0.99,模型的分类性能良好。结论:建立的Fisher线性判别模型对乳腺微钙化良、恶性的预测分类效果较好,能够方便快捷地为乳腺疾病的临床诊断起辅助作用。
关键词
乳腺微钙化
FISHER线性判别
线性变换
预测分类
机器学习
Keywords
Breast microcalcification
Fisher liner discriminant
Linear transformation
Prediction and classification
Machine learning
分类号
R318 [医药卫生—生物医学工程]
下载PDF
职称材料
题名
1998年版ASTM修订的炭黑标准
3
作者
汪家清
出处
《炭黑工业》
1999年第3期9-10,共2页
关键词
ASTM
炭黑
标准修订
分类号
TQ127.11 [化学工程—无机化工]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于随机森林算法的乳腺癌预测模型的研究
汪家清
韦哲
张太鹏
于金玉
张鑫
穆云祥
《中国医学装备》
2022
6
下载PDF
职称材料
2
基于Fisher线性判别分析对乳腺微钙化性质的预测研究
汪家清
张鑫
曹彤
王能才
张海英
《中国医学装备》
2022
0
下载PDF
职称材料
3
1998年版ASTM修订的炭黑标准
汪家清
《炭黑工业》
1999
0
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部