恶性甲状腺肿瘤预测模型选择与实证研究

• 作者: 刘超 崔骁 戈晓晨 邵洁
• 来源期刊: 统计与管理
• 学科: 工学
• 关键词: 恶性甲状腺肿瘤 预测模型 随机森林
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 统计理论与实践
• 页码范围: 13-22
• 页数: 10页
• 分类号: TP181
• 字数: 10039字
• 语种: 中文

摘要

近年来,我国甲状腺肿瘤的发病率在全球排名不断提升,恶性甲状腺肿瘤早期预测对手术成功率有很大影响,而恶性甲状腺肿瘤的预测准确率高低很大程度取决于模型的好坏.因此,预测模型的选择对于恶性甲状腺肿瘤的预测十分重要.本文借助国家人口与健康科学数据共享服务平台,对恶性甲状腺肿瘤的预测问题进行实证研究.首先对数据集进行量化分析,选择了对目标变量有影响的10个自变量,并将数据集分为训练集和测试集.在分析中分别采用了logistic回归、随机梯度下降、决策树和随机森林四个模型,进行参数调优.综合比较来看,随机森林模型对于恶性甲状腺肿瘤的预测准确率最高.通过实证分析发现,在十个影响因素中边缘、大小这两个指标对于甲状腺癌的影响最大,应重点关注边缘的情况.如果边缘呈现出边缘小分叶及毛刺、边缘小分叶或毛刺形状,则甲状腺肿瘤诊断为恶性的几率较高;四个模型中随机梯度模型的预测准确率为86.1％,Logistic模型预测准确率为93.7％,决策树模型预测准确率为94.9％,随机森林模型预测准确率为98.7％,其中随机森林模型效果最好,能准确的预测甲状腺肿瘤的良恶性;通过对危险征象进行分析和建立模型,可以看到多因素综合分析可以提高甲状腺癌预测的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘超	河北大学经济学院	51	154	6.0	10.0
2	邵洁	河北大学经济学院	3	1	1.0	1.0
3	戈晓晨	河北大学经济学院	1	0	0.0	0.0
4	崔骁	河北大学经济学院	1	0	0.0	0.0