换一批基于深度学习和机器学习的胃癌预测模型构建及评估
Establishment and evaluation of gastric cancer prediction models based on deep learning and machine learning
摘要目的 采用机器学习和深度学习的方法,构建早期胃癌的预测模型,以提高胃癌早期诊断的准确性.方法 采用4 105例病人的数据集和505个变量,运用神经网络、随机森林、梯度提升机、CatBoost、XGBoost、K最近邻等机器学习算法,采用加权集成学习方法整合模型优势,构建早期胃癌的预测模型,并通过准确率、召回率、F1分数、马修斯相关系数(MCC)、受试者工作特征(ROC)曲线下面积(AUC)评估模型的性能.结果 WeightedEn-semble_L2模型为最佳模型,其AUC为0.98,准确率为0.93,MCC为0.79,F1分数为0.83,召回率为0.88.结论 机器学习和深度学习是提升胃癌早期诊断准确性的有效方法.WeightedEnsemble_L2模型是高效精确的预测工具,可以为医疗决策提供重要支持.
更多相关知识
栏目名称
DOI
10.11712/jms.2096-5532.2025.61.016
发布时间
2025-04-27（万方平台首次上网日期，不代表论文的发表时间）
基金项目
山东省医药卫生科技发展计划（2022YN37）
- 浏览0
- 被引3
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
