基于机器学习的肝癌无创检测

摘要：

目的 根据肝癌临床诊断的需求,建立肝癌诊断预测模型,以达到无创检测肝癌的目的.方法 利用德国企业产ILD.3000型电子鼻设备采集正常受试者和肝癌患者的呼气数据,对呼气所得时间序列数据进行特征提取,包括序列数据的最大值、最小值、均值、标准差、序列数据总和等统计学特征.结合特征降维算法和机器学习分类模型对呼气特征数据进行正常受试者和原发性肝癌患者的二分类实验.结果 通过模型选择和参数调整,在线性核函数支持向量机上对呼气数据取得92.3％的最优二分类结果.结论 以正常受试者和肝癌患者的呼气数据为样本,利用机器学习建模的方法可以对肝癌做出诊断预测,且在此数据上,线性核函数支持向量机算法具有最好的分类效果.

关键词：诊断、电子鼻、原发性肝癌、特征提取、机器学习

所属期刊栏目：39

分类号：R318.04;R735.7(医用一般科学)

在线出版日期：2020-04-09（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：74-79