随机森林模型和logistic回归模型在超声图像预测乳腺癌风险的应用研究
目的:在超声图像数据的基础上,探索随机森林模型和logistic回归模型在超声诊断乳腺肿块性质中的应用价值.方法:选取无锡市中医医院超声室2014年1月至2019年12月经超声检查发现有乳腺肿块并经手术有病理结果的1247名女性患者的超声图像资料.构建随机森林模型和logistic回归模型对乳腺肿块良性或者恶性进行预测.结果:随机森林模型筛选的对乳腺癌预测有贡献的前四位影响因素分别是年龄、边缘、形态和血管供应.类似的,logistic回归模型筛选出高年龄(OR=11.24)、形态不规则(OR =9.19)、边缘不光滑(OR =8.25)和血管供应(OR=5.28)是乳腺癌的预测因素.构建的logistic回归模型在训练集和测试集中的ROC曲线下面积分别为0.960和0.939,均高于随机森林模型在训练集和测试集中的0.864和0.821.logistic回归模型在训练集和测试集中预测一致率均高于随机森林模型的一致率.基于logistic回归模型构建的包括年龄、形态、边缘和血管供应4个因素的列线图也呈现文中.结论:随机森林模型在乳腺癌诊断指标筛选上有重要意义,logistic回归模型在乳腺癌诊断中有较高的应用价值.
超声、随机森林、logistic回归模型、ROC
29
2020-12-01（万方平台首次上网日期，不代表论文的发表时间）
共5页
1835-1839
