目的:在超聲圖像數(shù)據(jù)的基礎(chǔ)上,探索隨機(jī)森林模型和logistic回歸模型在超聲診斷乳腺腫塊性質(zhì)中的應(yīng)用價值。方法:選取無錫市中醫(yī)醫(yī)院超聲室2014年1月至2019年12月經(jīng)超聲檢查發(fā)現(xiàn)有乳腺腫塊并經(jīng)手術(shù)有病理結(jié)果的1247名女性患者的超聲圖像資料。構(gòu)建隨機(jī)森林模型和logistic回歸模型對乳腺腫塊良性或者惡性進(jìn)行預(yù)測。結(jié)果:隨機(jī)森林模型篩選的對乳腺癌預(yù)測有貢獻(xiàn)的前四位影響因素分別是年齡、邊緣、形態(tài)和血管供應(yīng)。類似的,logistic回歸模型篩選出高年齡（OR=11.24）、形態(tài)不規(guī)則（OR=9.19）、邊緣不光滑（OR=8.25）和血管供應(yīng)（OR=5.28）是乳腺癌的預(yù)測因素。構(gòu)建的logistic回歸模型在訓(xùn)練集和測試集中的ROC曲線下面積分別為0.960和0.939,均高于隨機(jī)森林模型在訓(xùn)練集和測試集中的0.864和0.821。logistic回歸模型在訓(xùn)練集和測試集中預(yù)測一致率均高于隨機(jī)森林模型的一致率。基于logistic回歸模型構(gòu)建的包括年齡、形態(tài)、邊緣和血管供應(yīng)4個因素的列線圖也呈現(xiàn)文中。結(jié)論:隨機(jī)森林模型在乳腺癌診斷指標(biāo)篩選上有重要意義,logistic回歸模型在乳腺癌... 

【文章來源】：現(xiàn)代醫(yī)用影像學(xué). 2020,29(10)

【文章頁數(shù)】：5 頁

【部分圖文】：

模型誤差與決策樹數(shù)量關(guān)系圖

隨機(jī)森林模型在訓(xùn)練集和測試集中的ROC 曲線

在訓(xùn)練集中l(wèi)ogistic 回歸模型結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]An exploration for quantification of overdiagnosis and its effect for breast cancer screening[J]. Lei Yang,Shengfeng Wang,Yubei Huang.  Chinese Journal of Cancer Research. 2020(01)
[2]彩色多普勒超聲與CT檢查診斷甲狀腺良惡性腫瘤良惡性的臨床應(yīng)用價值研究[J]. 狄多福,狄建華,徐先棟,王振邦.  內(nèi)科. 2018(06)
[3]彩色多普勒超聲對乳腺良惡性腫塊的診斷價值分析[J]. 封華.  實(shí)用婦科內(nèi)分泌雜志(電子版). 2017(01)



本文編號：3558095