一个基于射频的端到端乳腺癌预测算法
1School of Science, Harbin Institute of Technology (Shenzhen), Shenzhen, 518000, China.
Computers in biology and medicine
|August 2, 2025
概括
本研究介绍了一种基于随机森林的乳腺癌预测 (RF-BCP) 算法,用于早期发现乳腺癌. 与其他机器学习模型相比,RF-BCP算法在预测乳腺癌方面表现出卓越的准确性.
科学领域:
- 在瘤学瘤学.
- 生物医学信息学 生物医学信息学
- 机器学习 机器学习
背景情况:
- 乳腺癌是女性癌症相关死亡的主要原因之一.
- 早期检测和准确的预测对于改善患者的结果至关重要.
- 现有的计算机辅助诊断系统往往缺乏特定特征预测能力.
研究的目的:
- 提出一种基于输入特征预测乳腺癌的新算法.
- 用多个数据集评估拟议的算法的性能.
- 将拟议的算法与已建立的机器学习模型进行比较.
主要方法:
- 使用随机森林技术开发乳腺癌预测 (RF-BCP) 算法.
- 利用了两个不同的数据集:一个一般的乳腺癌数据集和一个精心策划的乳房造影数据集.
- 使用支持向量机 (SVM),高斯天真贝叶斯 (NB) 和K-最近邻近 (KNN) 算法进行比较分析.
主要成果:
- 拟议的RF-BCP算法展示了强大的预测能力.
- 在乳腺癌预测的准确性方面,RF-BCP的表现优于SVM,高斯 NB和KNN.
- 该算法有效地利用输入特征来准确预测癌症.
结论:
- 基于随机森林的乳腺癌预测 (RF-BCP) 算法是早期发现乳腺癌的一个有前途的工具.
- 开发的算法为计算机辅助诊断系统提供了有价值的增强.
- RF-BCP提供了一种可靠的方法来支持乳腺癌管理中的临床决策.


