随机森林和支持向量机在利用超声影像特征信息诊断乳腺病变性质的应用价值探索

• 作者: 何英剑 姚晨 欧阳涛 赵子龙
• 来源期刊: 中国卫生统计
• 关键词: 乳腺肿块 乳腺超声 诊断模型 随机森林 支持向量机 logistic回归
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 论著
• 页码范围: 684-688
• 页数: 5页
• 字数: 4714字
• 语种: 中文

摘要

目的 探索随机森林和支持向量机诊断模型在利用人工判读的超声影像特征诊断乳腺病变性质的应用价值.方法 使用相同的训练数据和测试数据,在不同的自变量筛选策略下将随机森林、支持向量机方法建立判别乳腺病变性质的诊断模型与传统logistic回归模型进行比较,以ROC曲线下面积(AUC)作为预测效果的主要评价指标对各模型进行评估与比较.结果 不同自变量筛选策略下随机森林、支持向量机在测试集上的AUC均与logistic回归模型非常接近,差异无统计学意义.结论 随机森林和支持向量机预测效果并未见明显高于logistic回归,考虑到logistic模型在易用性、可解释性上的优势,建议在利用人工判读的超声影像特征建立诊断乳腺病变性质的预测模型时仍使用传统logistic回归.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	姚晨		69	1008	16.0	30.0
2	赵子龙		2	11	2.0	2.0