期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于模拟退火-遗传算法优化随机森林模型联合多维度特征融合法在肺癌诊断中的应用 被引量：1
1
作者 周昂 唐立源 《中国医疗设备》 2023年第10期44-50,共7页
目的 提出一种模拟退火-遗传算法优化随机森林(Simulated Annealing Genetic Algorithm Optimized Random Forest Model,SAGA-RF)模型联合多维度特征融合法,为肺癌的诊断提供参考。方法 选取2019年1月1日至2022年4月30日于中国人民解放... 目的 提出一种模拟退火-遗传算法优化随机森林(Simulated Annealing Genetic Algorithm Optimized Random Forest Model,SAGA-RF)模型联合多维度特征融合法,为肺癌的诊断提供参考。方法 选取2019年1月1日至2022年4月30日于中国人民解放军东部战区总医院呼吸内科确诊的原发性肺癌患者477例及同期收治的非肺癌患者477例为研究对象,收集并整理临床医学、医学影像学、流行病学以及血液检验学特征,使用主成分分析对特征集进行降维处理,并建立SAGA-RF、反向传播(Back Propagation,BP)神经网络模型、支持向量机(Support Vector Machine,SVM)模型以及偏最小二乘判别分析(Partial Least Squares Discrimination Analysis,PLS-DA)模型对样本集进行训练和测试,比较不同模型的诊断效能。结果 SAGA-RF模型对样本识别准确度、灵敏度、特异性分别可达91.26%、93.71%以及88.81%;阳性预测值和阴性预测值分别可达到89.33%、93.38%;曲线下面积(Area Under Curve,AUC)为0.91(95%CI:0.88~0.95);SAGA-RF模型识别效果优于BP神经网络模型、SVM模型以及PLS-DA模型。结论 多维度特征融合联合SAGA-RF模型对肺癌诊断准确度、灵敏度、特异性、阳性预测值、阴性预测值以及AUC值均优于常规识别方法,可为肺癌的诊断提供参考。 展开更多
关键词 特征融合 模拟退火算法 遗传算法 随机森林模型 主成分分析
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部