發(fā)布時(shí)間：2020-06-26 05:50

【摘要】：癌癥是指生長(zhǎng)于人體上皮組織中的一種惡性腫瘤,是困擾人類多年的重大疾病之一。近些年癌癥患病率持續(xù)升高,其中女性患癌率要高于男性。而在女性患者中,乳腺癌是患癌率最高的疾病,其嚴(yán)重影響了廣大女性的身心健康,極大降低了患癌女性的生活質(zhì)量。目前診斷腫瘤良惡性的方法一般采用病理診斷,但僅通過(guò)醫(yī)生主觀判斷腫瘤的良惡性,存在一定的誤判率。而通過(guò)建立分類器,對(duì)患者腫瘤病理數(shù)據(jù)進(jìn)行輔助診斷,不僅可以加快診療過(guò)程,也可以顯著改善醫(yī)生因經(jīng)驗(yàn)、專業(yè)技能等方面的不足所造成的誤判。本文基于Wisconsin大學(xué)醫(yī)學(xué)院提供的699例乳腺腫瘤數(shù)據(jù),對(duì)傳統(tǒng)的支持向量機(jī)模型進(jìn)行改進(jìn),提出一種基于差異性的Boosting-SVM模型集成算法,通過(guò)重采樣的方法得到局部類別平衡的子訓(xùn)練集,從而使獲得的支持向量機(jī)基分類器具有良好的泛化性。同時(shí)引入一種基于差異性度量的模型優(yōu)化方法,從而增大基分類器之間的差異性,最終克服樣本量不足的問(wèn)題,使模型整體泛化性得到提升。實(shí)例分析表明,改進(jìn)后的支持向量機(jī)方法較傳統(tǒng)支持向量機(jī)方法所得識(shí)別率有所提高,且性能更加穩(wěn)定。高精度的分類器有助于降低醫(yī)生僅通過(guò)分析病理數(shù)據(jù)主觀判斷所導(dǎo)致的誤診率,為腫瘤患者得到準(zhǔn)確、及時(shí)的治療提供了保障。
【學(xué)位授予單位】：云南大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R737.9;TP181
【圖文】：

乳腺腫塊的厚度與乳腺腫瘤良惡性的箱形圖

腫塊細(xì)胞大小的均勻性與乳腺腫瘤良惡性的箱形圖

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 梁麗軍;劉子先;王化強(qiáng);;基于彈性網(wǎng)-SVM的疾病診斷關(guān)鍵特征識(shí)別[J];計(jì)算機(jī)應(yīng)用研究;2015年05期

2 楊春;殷緒成;郝紅衛(wèi);閆琰;王志彬;;基于差異性的分類器集成:有效性分析及優(yōu)化集成[J];自動(dòng)化學(xué)報(bào);2014年04期

3 袁興梅;楊明;楊楊;;一種面向不平衡數(shù)據(jù)的結(jié)構(gòu)化SVM集成分類器[J];模式識(shí)別與人工智能;2013年03期

4 張春霞;張講社;;選擇性集成學(xué)習(xí)算法綜述[J];計(jì)算機(jī)學(xué)報(bào);2011年08期

5 于玲;吳鐵軍;;集成學(xué)習(xí):Boosting算法綜述[J];模式識(shí)別與人工智能;2004年01期

相關(guān)博士學(xué)位論文 前1條

1 陳慧靈;面向智能決策問(wèn)題的機(jī)器學(xué)習(xí)方法研究[D];吉林大學(xué);2012年

本文編號(hào)：2729917