基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
机器学习和深度学习技术可用于解决医学分类预测中的许多问题,其中一些分类算法的预测精度较高,而另一些算法的精度有限.提出了基于C-AdaBoost模型的集成学习算法,对乳腺癌疾病进行预测,发现了判断乳腺癌是否复发、乳腺癌肿瘤是否为良性的最优特征组合.通过逐步回归方法对现有特征进行二次选取,并结合C-AdaBoost模型使得预测效果更优.大量实验表明,基于C-AdaBoost模型的算法的预测准确率比SVM、Naive Bayes、RandomForest以及传统的集成学习模型等机器学习分类器的准确率最多可提高19.5%,从而可以更好地帮助医生进行临床决策.
推荐文章
基于SFS-SVM的乳腺癌预测模型的构建
乳腺癌
预测模型
序列前向选择算法
支持向量机算法
基于社区的乳腺癌筛查成本预测与控制研究
乳腺肿瘤
筛查
社区卫生服务
成本及成本分析
基于XGBoost的乳腺癌预测模型
乳腺癌
辅助诊断
实时预测
XGBoost
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于C-AdaBoost模型的乳腺癌预测研究
来源期刊 计算机工程与科学 学科 工学
关键词 集成学习 逐步回归 特征筛选 疾病预测
年,卷(期) 2020,(8) 所属期刊栏目 图形与图像
研究方向 页码范围 1414-1422
页数 9页 分类号 TP393
字数 5627字 语种 中文
DOI 10.3969/j.issn.1007-130X.2020.08.011
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李勇 西北师范大学计算机科学与工程学院 32 259 6.0 15.0
2 王霞 甘肃省人民医院药剂科 9 16 2.0 3.0
3 贾海 甘肃省人民医院药剂科 9 42 5.0 6.0
4 陈思萱 西北师范大学计算机科学与工程学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (168)
共引文献  (68)
参考文献  (18)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1979(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(4)
  • 参考文献(1)
  • 二级参考文献(3)
2003(5)
  • 参考文献(1)
  • 二级参考文献(4)
2005(5)
  • 参考文献(1)
  • 二级参考文献(4)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(6)
  • 参考文献(0)
  • 二级参考文献(6)
2008(8)
  • 参考文献(1)
  • 二级参考文献(7)
2009(10)
  • 参考文献(0)
  • 二级参考文献(10)
2010(13)
  • 参考文献(1)
  • 二级参考文献(12)
2011(16)
  • 参考文献(0)
  • 二级参考文献(16)
2012(15)
  • 参考文献(1)
  • 二级参考文献(14)
2013(15)
  • 参考文献(0)
  • 二级参考文献(15)
2014(17)
  • 参考文献(0)
  • 二级参考文献(17)
2015(17)
  • 参考文献(1)
  • 二级参考文献(16)
2016(9)
  • 参考文献(1)
  • 二级参考文献(8)
2017(14)
  • 参考文献(0)
  • 二级参考文献(14)
2018(10)
  • 参考文献(0)
  • 二级参考文献(10)
2019(8)
  • 参考文献(7)
  • 二级参考文献(1)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
2020(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
集成学习
逐步回归
特征筛选
疾病预测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机工程与科学
月刊
1007-130X
43-1258/TP
大16开
湖南省长沙市开福区德雅路109号国防科技大学计算机学院
42-153
1973
chi
出版文献量(篇)
8622
总下载数(次)
11
总被引数(次)
59030
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导