机构名称：
¥ 1.0
灵感呼吸技术（DIBH）在减少左侧BC患者的平均心脏剂量（MHD）方面变得越来越普遍。但是，RT的治疗计划和DIBH艰辛，耗时且昂贵，对于患者和RT员工来说。 此外，亚洲妇女中MHD左BC患者的比例要高得多，这主要是由于与西方国家相比，其乳房量较小。 本研究旨在确定用于预测RT后MHD的最佳机器学习模型（ML）模型，以预先选择低MHD患者，在RT计划之前不需要DIBH。 总共将接受术后RT的562例BC患者随机分为TrainVal（n = 449），外部（n = 113）测试数据集使用Python（版本3.8）。 使用高斯噪声的合成少数民族过采样校正了不平衡的数据。 具体来说，右左，肿瘤部位，胸壁厚度，辐照方法，体重指数和分离是用于ML的六个解释变量，并使用了四种监督的ML算法。 使用使用均方根误差（RMSE）的高参数调谐的最佳值作为内部测试数据的指标，使用外部测试数据选择了最终的F2得分评估的模型。 RT后MHD对真实MHD的预测能力是深神经网络的所有算法中最高的，RMSE为77.4，F2得分为0.80，曲线接收器操作特性下的面积为0.88，cgy cgy cgy的cgy值为0.88。但是，RT的治疗计划和DIBH艰辛，耗时且昂贵，对于患者和RT员工来说。此外，亚洲妇女中MHD左BC患者的比例要高得多，这主要是由于与西方国家相比，其乳房量较小。本研究旨在确定用于预测RT后MHD的最佳机器学习模型（ML）模型，以预先选择低MHD患者，在RT计划之前不需要DIBH。总共将接受术后RT的562例BC患者随机分为TrainVal（n = 449），外部（n = 113）测试数据集使用Python（版本3.8）。使用高斯噪声的合成少数民族过采样校正了不平衡的数据。具体来说，右左，肿瘤部位，胸壁厚度，辐照方法，体重指数和分离是用于ML的六个解释变量，并使用了四种监督的ML算法。使用使用均方根误差（RMSE）的高参数调谐的最佳值作为内部测试数据的指标，使用外部测试数据选择了最终的F2得分评估的模型。RT后MHD对真实MHD的预测能力是深神经网络的所有算法中最高的，RMSE为77.4，F2得分为0.80，曲线接收器操作特性下的面积为0.88，cgy cgy cgy的cgy值为0.88。
乳腺癌中的酪氨酸激酶抑制剂（审查）...通过...
主要关键词
相关文件推荐
