使用血液检测和预测建模方法进行非侵入性癌症检测
Ahmad S Tarawneh1, Ahmad K Al Omari2,3, Enas M Al-Khlifeh4
1Department of Information Technology, Mutah University, Al-Karak, Jordan.
Advances and applications in bioinformatics and chemistry : AABC
|January 16, 2025
概括
机器学习模型使用常规血液检测结果准确检测各种癌症,包括白细胞计数和血小板计数. 这种非侵入性方法有助于早期癌症查和诊断.
科学领域:
- 在瘤学瘤学.
- 生物信息学是一种生物信息学.
- 机器学习 机器学习
背景情况:
- 癌症发病率上升是一个重大的公共卫生挑战.
- 早期和准确的诊断对于有效的癌症治疗和患者的治疗结果至关重要.
研究的目的:
- 开发一种机器学习驱动的预测模型,用于同时诊断多种癌症类型.
- 将血液学参数与机器学习相结合,用于非侵入性癌症检测.
主要方法:
- 来自约旦医院的19,537份实验室报告的数据集的分析.
- 数据预处理包括特征标准化和缺失值赋值.
- 机器学习分类器的应用,如随机森林,线性差异分析,支向量机和直方图梯度提升.
主要成果:
- 血液学特征,如白细胞计数,红细胞计数和血小板计数,以及年龄和肌素,是关键预测因素.
- 随机森林,LDA和SVM实现了高预测精度 (0.69-0.72).
- 基因图梯度提升模型显示性能有所改善.
结论:
- 血液学指标和机器学习的整合为非侵入性癌症查提供了一个有效的平台.
- 探索深度学习的未来研究可以通过识别复杂模式来提高预测准确性.
