使用人工神经网络和决策树模型预测宫癌手术后下肢淋巴
Jin Hu1, Gaoming Liu1, Yuanyuan Liu1
1Department of Lymphedema Rehabilitation, Hunan Cancer Hospital/The Affiliated Cancer Hospital of Xiangya School of Medicine, Central South University, Changsha, Hunan, China.
概括
这项研究开发了人工神经网络和决策树模型,以预测宫癌手术后下肢淋巴风险. 人工神经网络模型表现出卓越的预测性能和稳定性.
科学领域:
- 在瘤学瘤学.
- 医疗信息学 医疗信息学
- 机器学习 机器学习
背景情况:
- 下肢淋巴是宫癌手术后的潜在并发症.
- 准确预测淋巴风险对于及时干预和患者管理至关重要.
研究的目的:
- 开发和验证人工神经网络 (ANN) 和决策树 (DT) 模型,用于预测下肢淋巴风险.
- 在接受宫癌手术的患者中比较ANN和DT模型的预测效果和稳定性.
主要方法:
- 分析了759名接受宫癌手术的患者队列.
- 收集了人口,行为,临床病理和疾病相关的数据.
- 构建了ANN和DT模型,并使用准确度,灵敏度,特异性和接收器操作特征曲线 (AUC) 下的面积等指标评估了它们的预测性能.
主要成果:
- 在训练组中,ANN模型实现了99.80%的准确性和1.00的AUC,而DT模型实现了88.14%的准确性和0.92的AUC.
- 在测试组中,ANN模型显示了86.70%的准确性和96.00%的特异性.
- 两种模型都表现出良好的预测能力,在大多数指标上,ANN模型的表现优于DT模型.
结论:
- 人工神经网络和决策树模型都在预测子宫癌手术后下肢淋巴方面表现有前途.
- 人工神经网络模型与决策树模型相比,表现出优越的预测性能和稳定性.
- 这些模型可以帮助识别有针对性的预防策略的高风险患者.
