| 基于机器学习的结直肠癌血清标志物筛选及早期诊断模型评估 |
| |
| 引用本文： | 郗群,毛文虹.基于机器学习的结直肠癌血清标志物筛选及早期诊断模型评估[J].解放军预防医学杂志,2016(6). |
| |
| 作者姓名： | 郗群 毛文虹 |
| |
| 作者单位： | 1. 兰州大学第二医院信息中心,兰州,730030;2. 中国中医科学院西苑医院麻醉科 |
| |
| 摘 要： | 目的提高结直肠癌患者的早期诊断率,帮助结直肠癌患者及早发现病情获得最佳治疗效果(治疗早期直肠癌能达到超过90%的五年存活率)。方法在机器学习理论和实践的基础上,提出了采用向前法作逐步逻辑回归(Logistic Regression,LR)分析筛选出最具有诊断参考性的血清标志物,并利用支持向量机(Support Vector Machine,SVM)与后向传播(Back Propagation,BP)神经网络等模型建立结直肠癌早期诊断模型的方法。结果实验结果显示CEA、CA1724、CA242、CA153和HSP60这5种肿瘤标志物对结直肠癌均有一定的诊断价值,该五种肿瘤标志物LR模型联合检测效果明显高于五种肿瘤标志物任一指标。结论联合检测有助于提高结直肠癌检测的灵敏度,而且基于LR建立的结直肠癌检测模型相较于基于SVM建立的模型具有更高的诊断价值。
|
| 关 键 词： | 特征选择 特征分类 逻辑回归 支持向量机 后向传播神经网络 结直肠癌 |
ML-based Colorectal Cancer Serum Tumor Marker Screening and Evaluation of Early Stage Diagnostic Models |
| |
| Abstract: | |
| |
| Keywords: | feature selection feature classification logistic regression Support Vector Machine back propagation neural network colorectal cancer |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
