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
1
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
机器学习模型和Cox回归模型预测食管胃结合部腺癌预后的效能
被引量:
1
1
作者
高凯绩
王一豪
+1 位作者
曹海坤
贾建光
《南方医科大学学报》
CAS
CSCD
北大核心
2023年第6期952-963,共12页
目的探讨机器学习和传统Cox回归模型在预测食管胃结合部腺癌(AEG)患者术后生存能力中的应用价值。方法选取2015年9月~2020年10月本院收治的287例AEG患者,排除失访及临床资料缺失者,共筛选出203例患者的临床病理资料,经过对数据的赋值等...
目的探讨机器学习和传统Cox回归模型在预测食管胃结合部腺癌(AEG)患者术后生存能力中的应用价值。方法选取2015年9月~2020年10月本院收治的287例AEG患者,排除失访及临床资料缺失者,共筛选出203例患者的临床病理资料,经过对数据的赋值等处理,转换成满足R语言分析数据的要求的数据。将203例患者数据使用随机数表法按照3∶1的比例划分为训练集和验证集,对两组数据分别进行Cox比例风险模型构建和4种机器学习模型的构建,绘制出ROC曲线、校准曲线和临床决策曲线(DCA)。为评估4种机器学习模型之间的预测效能,进行机器学习模型的内部验证。通过曲线下面积(AUC)评价模型预测的性能,校准曲线反映模型的拟合情况,并通过DAC判断其临床意义。结果Cox等比例风险回归、极端梯度提升、随机森林、支持向量机、多层感知机验证集中3年生存率的AUC值分别为0.870、0.901、0.791、0.832、0.725,验证集中5年生存率的AUC值分别为0.915、0.916、0.758、0.905、0.737。4种机器学习模型内部验证分别是:极端梯度提升(AUC=0.818)、随机森林(AUC=0.772)、支持向量机(AUC=0.804)、多层感知机(AUC=0.745)。结论机器学习模型对于AEG患者生存率预测的表现优于Cox等比例风险回归模型,尤其在不满足等比例假设或线性回归模型下,并能够包含较多的影响变量。在内部验证中,XGBoost模型的预测效能最好,支持向量机次之,随机森林出现过拟合,多层感知机受数据量影响可能拟合效果较差。
展开更多
关键词
食管胃结合腺癌
人工智能
机器学习
COX比例风险回归模型
下载PDF
职称材料
题名
机器学习模型和Cox回归模型预测食管胃结合部腺癌预后的效能
被引量:
1
1
作者
高凯绩
王一豪
曹海坤
贾建光
机构
蚌埠医学院第一附属医院肿瘤外科
出处
《南方医科大学学报》
CAS
CSCD
北大核心
2023年第6期952-963,共12页
基金
蚌埠医学院512人才培育计划(by51202207)。
文摘
目的探讨机器学习和传统Cox回归模型在预测食管胃结合部腺癌(AEG)患者术后生存能力中的应用价值。方法选取2015年9月~2020年10月本院收治的287例AEG患者,排除失访及临床资料缺失者,共筛选出203例患者的临床病理资料,经过对数据的赋值等处理,转换成满足R语言分析数据的要求的数据。将203例患者数据使用随机数表法按照3∶1的比例划分为训练集和验证集,对两组数据分别进行Cox比例风险模型构建和4种机器学习模型的构建,绘制出ROC曲线、校准曲线和临床决策曲线(DCA)。为评估4种机器学习模型之间的预测效能,进行机器学习模型的内部验证。通过曲线下面积(AUC)评价模型预测的性能,校准曲线反映模型的拟合情况,并通过DAC判断其临床意义。结果Cox等比例风险回归、极端梯度提升、随机森林、支持向量机、多层感知机验证集中3年生存率的AUC值分别为0.870、0.901、0.791、0.832、0.725,验证集中5年生存率的AUC值分别为0.915、0.916、0.758、0.905、0.737。4种机器学习模型内部验证分别是:极端梯度提升(AUC=0.818)、随机森林(AUC=0.772)、支持向量机(AUC=0.804)、多层感知机(AUC=0.745)。结论机器学习模型对于AEG患者生存率预测的表现优于Cox等比例风险回归模型,尤其在不满足等比例假设或线性回归模型下,并能够包含较多的影响变量。在内部验证中,XGBoost模型的预测效能最好,支持向量机次之,随机森林出现过拟合,多层感知机受数据量影响可能拟合效果较差。
关键词
食管胃结合腺癌
人工智能
机器学习
COX比例风险回归模型
Keywords
esophagogastric junction adenocarcinoma
artificial intelligence
machine learning
Cox proportional hazard regression model
分类号
R735 [医药卫生—肿瘤]
TP181 [自动化与计算机技术—控制理论与控制工程]
O212.1 [理学—概率论与数理统计]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
机器学习模型和Cox回归模型预测食管胃结合部腺癌预后的效能
高凯绩
王一豪
曹海坤
贾建光
《南方医科大学学报》
CAS
CSCD
北大核心
2023
1
下载PDF
职称材料
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