获取独家产品信息,尽享促销优惠!立即订阅,不容错过
* 限···时··优惠
在这项研究中,它的目的是根据机器学习(ML)对癌症进行分类,并通过使用前列腺癌患者使用危险因素来确定最重要的风险因素。使用了100例前列腺癌患者的临床数据。使用随机森林(RF)算法创建了一个预测模型,以对前列腺癌进行分类。使用平衡子采样通过蒙特卡洛交叉验证(MCCV)获得模型的性能。在每个MCCV中,使用样品的三分之二(2/3)来评估该特征的重要性。为了评估模型的性能,计算了ROC曲线(AUC)标准(包括预测类概率和混淆MATRIX)下的模型,准确性,灵敏度,正面预测值,负预测值,F1评分和面积。检查结果时,从RF模型获得的灵敏度,特异性,正预测值,负预测值,准确性,F1得分和AUC值分别为0.89、0.84、0.77、0.93、0.86、0.86、0.83和0.88。区域,周长和质地是区分前列腺癌的三个最重要的风险因素。结论,当RF算法可以成功预测前列腺癌时。由RF模型确定的重要风险因素可能有助于前列腺癌患者的诊断,随访和治疗研究。