基于索赔的机器学习算法预测ECOG性能状态(ECOG)
机构名称:
¥ 1.0

图3a。Precision-Recall曲线,最佳F2分数为0.128的最佳阈值,灵敏度= 0.73,特异性= 0.59;图3b。ROC曲线,最佳阈值在0.157处为最大F1分数,灵敏度= 0.62,特异性= 0.72;图3C,D。乳腺癌,结直肠癌和NSCLC的精确曲线曲线和ROC曲线。NSCLC的性能最佳,这可能是由于其样本量与其他癌症类型相比大。基于F2分数的最佳截止点范围为0.06至0.14

基于索赔的机器学习算法预测ECOG性能状态(ECOG)

基于索赔的机器学习算法预测ECOG性能状态(ECOG)PDF文件第1页

相关文件推荐