基于类别不平衡与机器学习方法的弥漫大B细胞淋巴瘤患者复发风险预测模型研究

发布时间：2023-10-31 20:00

　　目的:弥漫性大B细胞淋巴瘤(DLBCL)是最常见的非霍奇金淋巴瘤,目前主要使用R-CHOP作为标准化疗方案,但仍有30%到50%的患者因耐药复发。患者复发后因缺乏有效的治疗方案生存率较低,能准确预测患者的复发风险并提供有效的巩固化疗方案已成为临床医生亟待解决的重要问题。其中疾病成因错综复杂、数据中的类别不平衡问题均导致现有模型分类性能较弱、适用患者有限等问题,故本研究旨在使用机器学习方法构建准确率较高、适用性较强的DLBCL患者复发风险预测模型,为临床治疗方案制定提供参考。方法:为提升模型准确率,联合9种类别平衡方法、2种机器学习方法、logistic回归方法与4种集成学习方法形成共48种建模方案。为提升模型适用性,首先使用以上方案分别12个存在类别不平衡问题的公共数据库构建分类与概率预测模型,对后者采用Platt scaling进行概率校准;其次评价模型性能并绘制随着数据类别不平衡率变化建模方案性能变化图谱;随后应用图谱为经变量筛选后的DLBCL患者达到完全缓解后的复发数据库挑选5套备选建模方案建模;最后选取其中模型性能评价指标最高者作为患者两年、三年与五年内复发风险分类与概率预测模...

【文章页数】：119 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
常用缩写词中英文对照表
前言
    1.DLBCL患者复发风险预测模型研究现状
    2.构建准确率较高、适用性较强的DLBCL患者复发风险模型
        2.1 提升模型准确率
        2.2 提升模型适用性
第一部分 建模方案性能图谱
    1 对象与方法
        1.1 对象
        1.2 方法
    2 结果
        2.1 分类模型
        2.2 概率模型
第二部分 实例应用
    1 对象与方法
        1.1 对象
        1.2 方法
    2 结果
        2.1 变量筛选结果
        2.2 采用五种备选方案构建DLBCL患者复发风险预测模型
讨论
结论
参考文献
综述
    参考文献
附录
致谢
个人简介



本文编号：3859391