在乳腺癌中基于LASSO回归与高惩罚因子的ipsilateral supraclavicular淋巴结转移的识别

科学领域:

• 医学成像医学成像
• 无线电学 (Radiomics) 是一种辐射学.
• 乳腺癌的诊断 乳腺癌的诊断

背景情况:

• 超声波放射学在乳腺癌淋巴结转移的识别中面临着小样本大小和高特征尺寸的挑战.
• 准确的鉴定ipsilateral上关节淋巴结转移对于乳腺癌的分期和治疗计划至关重要.

研究的目的:

• 开发一个优化的功能组合搜索算法,用于构建可解释的线性分类模型.
• 用超声波放射学来提高乳腺癌淋巴结转移状态识别的准确性和稳定性.

主要方法:

• 使用遗传算法 (GA) 在最小绝对收缩和选择运算符 (LASSO) 回归中进行特征子空间搜索.
• 通过在LASSO中应用高L1规范惩罚来优化GA,以便在交叉操作中优先考虑优秀功能.
• 构建基于优化特征组合的线性分类模型.

主要成果:

• 与传统的LASSO回归和标准GA相比,提出的方法显示出更高的性能.
• 使用优化的特征选择算法构建的线性模型具有更高的分类准确性.
• 开发的方法产生了更强大的模型来识别淋巴结转移状态.

结论:

• 优化的功能组合搜索算法有效地解决了乳腺癌超声波放射学方面的挑战.
• 这种方法可以构建高度可解释和高性能线性分类模型.
• 该方法为提高乳腺癌转移检测的准确性和可靠性提供了一个有希望的工具.