基于机器学习的结直肠癌血清标志物筛选及早期诊断模型评估

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

摘要：目的 提高结直肠癌患者的早期诊断率,帮助结直肠癌患者及早发现病情获得最佳治疗效果（治疗早期直肠癌能达到超过90%的五年存活率）。方法 在机器学习理论和实践的基础上,提出了采用向前法作逐步逻辑回归（Logistic Regression,LR）分析筛选出最具有诊断参考性的血清标志物,并利用支持向量机（Support Vector Machine,SVM）与后向传播（Back Propagation,BP）神经网络等模型建立结直肠癌早期诊断模型的方法。结果 实验结果显示CEA、CA1724、CA242、CA153和HSP60这5种肿瘤标志物对结直肠癌均有一定的诊断价值,该五种肿瘤标志物LR模型联合检测效果明显高于五种肿瘤标志物任一指标。结论 联合检测有助于提高结直肠癌检测的灵敏度,而且基于LR建立的结直肠癌检测模型相较于基于SVM建立的模型具有更高的诊断价值。

原文链接:http://www.cqvip.com/QK/93267X/201606/670991801.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：结直肠癌 机器学习 学习的 直肠癌 Propagation 特征选择 特征分类 逻辑回归 支持向量机 后向传播神经网络