一个适应性树突神经模型用于肺癌预测
Umair Arif1, Chunxia Zhang1, Muhammad Waqas Chaudhary1,2
1Department of Statistics, School of Mathematics and Statistics, Xi'an Jiaotong University, Xian Shaanxi, China.
概括
这项研究引入了适应性树突神经模型 (ADNM) 用于肺癌预测. 这种新型模型实现了高精度,显示了改善早期诊断和个性化瘤治疗的前景.
科学领域:
- 在瘤学瘤学.
- 人工智能的人工智能
- 生物医学数据科学 生物医学数据科学
背景情况:
- 肺癌仍然是死亡的重要原因,由于其侵略性特征,经常在晚期诊断.
- 准确和早期诊断对于有效的治疗和改善肺癌患者的治疗结果至关重要.
- 高维的医疗数据给传统的诊断模型带来了挑战.
研究的目的:
- 引入一种新的自适应性树突神经模型 (ADNM),以提高高维肺癌数据的诊断准确性.
- 提高神经模型的可扩展性和特征选择能力,用于多类肺癌预测.
- 展示ADNM在促进早期肺癌检测和个性化治疗策略方面的潜力.
主要方法:
- 开发一种新的自适应性树突神经模型 (ADNM),结合超参数优化和先进的激活机制.
- 应用粒子集群优化 (PSO) 来从高维卡格尔肺癌数据集中有效选择特征.
- 使用引导重新抽样来进行ADNM的可靠性能评估和验证.
主要成果:
- 适应性树突神经模型 (ADNM) 的诊断准确率达到98.39%.
- 该模型显示曲线下的高面积 (AUC) 为99%,科恩的kappa为96.95%.
- 亚当优化器促进了快速融合,表明了计算效率.
结论:
- 适应性树突神经模型 (ADNM) 显示了提高肺癌诊断准确性的巨大潜力.
- 该模型的性能表明其在提高早期检测和在瘤学中实现个性化治疗计划方面的实用性.
- 在癌症研究中,ADNM提供了一种可扩展和有效的方法来分析高维的医疗数据.
