-
题名基于随机森林模型的肺部肿瘤浸润性预测与分析研究
- 1
-
-
作者
朱萍
周涛
赵奔英
唐慧
夏开建
-
机构
苏州大学附属常熟医院(常熟市第一人民医院)智能医疗技术研究中心
苏州大学附属常熟医院(常熟市第一人民医院)胸外科
苏州大学附属常熟医院(常熟市第一人民医院)药剂科
-
出处
《中国数字医学》
2023年第11期90-96,共7页
-
基金
苏州市重点扶持学科卫生信息学资助项目(SZFCXK202147)
苏州市临床重点病种诊疗技术专项项目(LCZX202124)。
-
文摘
探讨肺部肿瘤浸润性的独立危险因素,建立预测分类模型,并针对现下肺部肿瘤预测模型多使用传统Logistic回归方法,容易导致拟合过度并且预测准确度有限的问题,提出了基于随机森林(RF)算法,建立肺部肿瘤浸润性的风险预测模型,与Logistic回归、决策树(CART)、支持向量机(SVM)、XGBoost从模型区分度、模型校准度和临床适用度3方面进行比较,结果表明,随机森林分类器对于肺部肿瘤浸润性数据集有着更高的预测准确性、一致性和临床适用性。对变量特征重要性进行分析发现,恶性概率对判断肺部肿瘤浸润性有着显著影响,对于促进早发现、早诊断、早治疗肺癌有着重要应用价值。
-
关键词
肺部肿瘤浸润性
随机森林
机器学习
变量特征评价
-
Keywords
Lung tumor infiltration
Random forest
Machine learning
Variable feature evaluation
-
分类号
R197
[医药卫生—卫生事业管理]
R319
[医药卫生—基础医学]
-