基于机器学习的结直肠癌血清标志物筛选及早期诊断模型评估

• 作者: 毛文虹 郗群
• 来源期刊: 解放军预防医学杂志
• 学科: 工学
• 关键词: 特征选择 特征分类 逻辑回归 支持向量机 后向传播神经网络 结直肠癌
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 研究论著
• 页码范围: 879-883,889
• 页数: 6页
• 分类号: TP183
• 字数: 3534字
• 语种: 中文

摘要

目的 提高结直肠癌患者的早期诊断率,帮助结直肠癌患者及早发现病情获得最佳治疗效果(治疗早期直肠癌能达到超过90％的五年存活率).方法 在机器学习理论和实践的基础上,提出了采用向前法作逐步逻辑回归(Logistic Regression,LR)分析筛选出最具有诊断参考性的血清标志物,并利用支持向量机(Support Vector Machine,SVM)与后向传播(Back Propagation,BP)神经网络等模型建立结直肠癌早期诊断模型的方法.结果 实验结果显示CEA、CA1724、CA242、CA153和HSP60这5种肿瘤标志物对结直肠癌均有一定的诊断价值,该五种肿瘤标志物LR模型联合检测效果明显高于五种肿瘤标志物任一指标.结论 联合检测有助于提高结直肠癌检测的灵敏度,而且基于LR建立的结直肠癌检测模型相较于基于SVM建立的模型具有更高的诊断价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郗群	兰州大学第二医院信息中心	15	42	4.0	5.0
2	毛文虹	中国中医科学院西苑医院麻醉科	4	60	3.0	4.0