基于类不平衡处理的乳腺癌预后预测模型研究

发布时间：2020-06-11 22:27

【摘要】：目的:本文探讨不平衡分类的乳腺癌数据集基于机器学习方法预测预后的生存状态。本研究旨在根据1845名乳腺癌患者的随访数据,建立出稳定、可靠的预测模型,以此为基础选择预测效果相对较好的预后预测模型。对影响乳腺癌预后生存或死亡状态的因素进行探讨,选择解释性不同的模型对影响因素解释。方法:乳腺肿瘤预后的生存状态数据为不平衡数据,本文使用SMOTE、Borderline-SMOTE、AD ASYN、One-sided select处理乳腺肿瘤生存状态的不平衡数据。对预后状态分类选用经典决策树、条件推断树、随机森林和支持向量机。评价指标采用准确率、敏感度、特异性、正例命中率、负例命中率来评价分类器的效果;对收集的乳腺癌数据集进行初步的探索性分析,针对Logistic回归模型,解释回归系数和一元优势比的估计值,给出决策树每个分支所对应的因素及对应结局发生的概率、使用随机森林方法对影响乳腺癌患者预后生存状态的影响因素进行排序。结果:(1)针对乳腺癌患者预后数据集生存状态不平衡这一问题,欠采样方法One-Sided select技术,结合条件决策树预测,在不平衡的乳腺癌数据集中预后预测效果最好,将敏感度由2%提高到58%,提高了56%。(2)使用Cox分析中的逐步向前法后,从因变量中筛选出:T分期、N分期、孕激素、HER2、是否采用内分泌治疗和是否进行化疗。(3)Logistic回归筛选出年龄、N分期、乳腺癌内分泌治疗、化疗手段、多灶性病灶、化疗。通过随机森林的特征变量的重要性来看,年龄、激素受体表达、肿块大小、N分期、临床分期、T分期变量的重要性更靠前。结论:本文所针对类不平衡乳腺癌数据集所使用的数据挖掘方法,同样可以用于其他类不平衡疾病数据集,也可用于疾病的发生、发展、治疗方法的疗效及最终预后的影响因素等更多的医学研究。
【图文】：

技术路线图,全文,挖掘分析,关联规则

9图 1 全文技术路线图Fig. 1 Technology Road Map of Thesis3 研究方法为了对收集到的数据集进行挖掘分析，常使用的方法包括分类、回归、聚类、关联规则分析等。数据挖掘的一个流程图如下：

流程图,数据挖掘,流程图

图 2 数据挖掘流程图Fig. 2 Data mining flow chart一个数据挖掘分析的基本流程，主要有三块：对要分析选择合适的数据挖掘方法及挖掘软件和结合实际分析的目标是根据需求明确要做什么，然后就是根据目标获取的挖掘技术，最后就是对挖掘的结果进行分析，不断的结果，从而获得一个稳定有效、准确而有意义的模型，合实际的解决方案。及预处理机构工作人员收集数据的方式不同，医学数据通常包含衡、缺失和无关变量[17]。此外，医疗数据还存在数据量平衡的[18,19]。以上罗列的原始数据集存在问题会造成后数据挖掘的性能也会被降低。因此，数据预处理应作为，，并且数据预处理在数据挖掘中耗费 70%-80%的时间[20学数据集可以提高临床可解释性[21]、降低计算成本[22]、
【学位授予单位】：新疆医科大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：R737.9;R181.3

【相似文献】